Читать книгу Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow - Aurélien Géron - Страница 89

Die folgenden Aufgaben basieren alle auf dem Immobilien-Datensatz aus diesem Kapitel:

1 Probieren Sie einen Support Vector Machine Regressor (sklearn.svm.SVR) mit unterschiedlichen Hyperparametern aus, beispielsweise kernel="linear" (mit unterschiedlichen Werten für den Hyperparameter C) oder kernel="rbf" (mit unterschiedlichen Werten für die Hyperparameter C und gamma). Kümmern Sie sich im Moment nicht zu sehr darum, was Hyperparameter überhaupt sind. Wie gut schneidet der beste SVR-Prädiktor ab?

2 Ersetzen Sie GridSearchCV durch RandomizedSearchCV.

3 Fügen Sie der vorbereitenden Pipeline einen Transformer hinzu, um nur die wichtigsten Attribute auszuwählen.

4 Erstellen Sie eine einzige Pipeline, die die vollständige Vorverarbeitung der Daten und die endgültige Vorhersage durchführt.

5 Probieren Sie einige der Optionen bei der Vorverarbeitung mit GridSearchCV aus.

Lösungen zu diesen Übungsaufgaben finden Sie online in den Jupyter-Notebooks auf https://github.com/ageron/handson-ml2.