Modele de grille tarifaire

17 febrero



Je voudrais demander, dois-je utiliser des métriques de notation de keras lui-même ou devrais-je utiliser les métriques fournies par GridSearchCV? Les docs ici n`est pas vraiment clair https://keras.io/scikit-learn-api HOMER Grid vous permet d`ajouter un tarif à votre modèle dans l`une des différentes façons. Cliquez sur une option pour en savoir plus. Les informations affichées dans l`onglet «Paramètres de taux» sont des informations qui proviennent directement de la base de données du tarif Genability. Certains paramètres de taux peuvent être requis pour spécifier; les champs obligatoires sont signalés par l`icône d`avertissement rouge. grid_search = GridSearchCV (Estimator = modèle, param_grid = fit_params, Scoring = `Precision`, CV = 10) grid_search = grid_search. fit (X_train, y_train, fit_params = {`callbacks`: [loggerCB, historyCB]}) Salut, Jason. Merci, encore une fois, pour tous les messages de blog et le code d`exemple. J`essaie d`accorder mon réseau de neurones de classification binaire keras. Mon jeu de données comprend environ 50 000 entrées avec 52 variables (numériques). À l`aide de Grid Search, j`ai testé toutes sortes de combinaisons de taille de calque, nombre d`époques, taille de lot, optimiseurs, activations, taux d`apprentissage, taux d`abandon et paramètres de régularisation L2. Ma recherche de grille montre que chaque combinaison effectue la même chose.

Par exemple, voici un extrait de mes derniers résultats: E3 a utilisé le modèle EV Grid impacts pour montrer comment le taux d`intégration du réseau de véhicules dynamique proposé par SDG&E pourrait encourager la tarification du PEV pendant les heures de milieu de journée lorsque la surgénération renouvelable au printemps et à l`automne. Monsieur quand je lance le code à partir de l`invite de commande, il me donne cette erreur traceback (dernier appel dernière): fichier “C:/Python27/oop1. py”, ligne 3, à partir de sklearn. model_selection importer GridSearchCV fichier “C:python27libsite-packagessklearn_ init. , à partir de. base importer le fichier clone “C:Python27libsite-packagessklearnbase.py”, ligne 11, dans de scipy Import clairsemé ImportError: aucun module nommé scipy ce que je comprends, c`est que lorsque nous avons plus de 1 (disons 2) hyper-paramètres dans une grille, combinaison, le code va compléter autant d`époques que je l`ai spécifié, avec autant de jeux de validation de formation-croix comme spécifié (le CV dans GridSearchCV). Donc, en passant par toutes ces époques, pour chaque formation-cross-validation ensemble, nous obtenons la précision moyenne sur tous les ensembles de validation croisée pour chaque combinaison. #this fait trois fois la classification.

On peut changer k. param_grid = dict (n_neurons = neurones) Grid = GridSearchCV (Estimator = Model, param_grid = param_grid, n_jobs =-1) grid_result = Grid. fit (X, dummy_y) # résumer les résultats imprimer (“meilleur:% f en utilisant% s”% (grid_result. best_score_, grid_ result. best_params_)) signifie = grid_result. CV _ results_ [`mean_test_score`] MST = grid_result. CV _ results_ [`std_test_score`] params = grid_result. CV _ results_ [`params`] pour Mean, STDEV, param en zip (means, MST, params): Print (“% f (% f) avec:% r”% ( moyenne, STDEV, param)) cela signifie en kfold ainsi que dans GridsearchCV il n`y a pas besoin de créer un ensemble de validation plus? Sélectionnez le panneau taux tarifaires sur le côté droit de la page de l`utilitaire pour afficher des informations plus détaillées sur chacun des taux tarifaires suivants.