Dans le cours : Machine learning : Traitement du langage naturel avec Python
Accédez au cours complet aujourd’hui
Inscrivez-vous aujourd’hui pour accéder à plus de 24 600 cours dispensés par des experts.
Tester GridSearchCV avec un SVM - Tutoriel Python
Dans le cours : Machine learning : Traitement du langage naturel avec Python
Tester GridSearchCV avec un SVM
Nous allons réaliser un exemple d'hyper paramètre comme la fois précédente lorsque nous avions appliqué l'algorithme Support Vector Machine avec plusieurs paramètres, mais cette fois, nous n'allons pas écrire par nous-mêmes le programme Python qui va faire exécuter le Support Vector Machine en lui faisant varier les valeurs de ses paramètres à chaque fois. Cette fois-ci, nous allons utiliser un modulé dédié au réglage d'hyperparamètre. La première partie de notre programme est exactement la même que celle lorsque nous avons utilisé l'algorithme svm pour construire le modèle de prédiction et de classification des e-mails. Cette première partie consiste à lire et à préparer nos données. Également, à appliquer TF-IDF pour vectoriser les e-mails. Une fois cette étape terminée, j'ai chargé le module svm pour appliquer mon algorithme svm, mais également, j'ai chargé le module GridSearchCV qui permet justement d'automatiser l'exécution de mon algorithme svm entre autres en faisant…
Entraînez-vous tout en suivant la formation avec les fichiers d’exercice.
Téléchargez les fichiers utilisés par l’instructeur pour enseigner le cours. Suivez attentivement et apprenez en regardant, en écoutant et en vous entraînant.
Table des matières
-
-
-
-
-
-
-
-
-
-
(Verrouillé)
Programmer un hyperparamètre avec le modèle SVM5 m 3 s
-
(Verrouillé)
Programmer un hyperparamètre avec Random forest4 m 34 s
-
(Verrouillé)
Évaluer les résultats d'un hyperparamètre4 m 58 s
-
(Verrouillé)
Tester GridSearchCV avec un SVM4 m 53 s
-
(Verrouillé)
Tester GridSearchCV avec Random forest4 m 34 s
-
(Verrouillé)
-
-