Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- #выбираем лучший алгоритм и максимальное число итераций для логистической регрессии
- best_model = None
- best_result = 0
- best_max_iter = 0
- best_solver = []
- solvers = ["lbfgs","newton-cg","liblinear"]
- #задаем число максимальных итераций от 100 до 2000 с шагом 50
- #и алгоритм
- for max_iter in range(100, 2001, 50):
- for solver in solvers:
- #инициализируем модель
- model = LogisticRegression(random_state=12345,
- solver=solver, max_iter=max_iter)
- #обучаем модель на тренировочной выборке
- model.fit(data_train_features, data_train_target)
- #получаем предсказания модели на валидационной выборке
- predictions_valid = model.predict(data_val_features)
- #считаем значение метрики accuracy на валидационной выборке
- result_valid = accuracy_score(data_val_target, predictions_valid)
- #выбираем лучшие параметры max_iter и solver
- if result_valid > best_result:
- best_model = model
- best_result = result_valid
- best_max_iter = max_iter
- best_solver = solver
- #выводим лучшие значения accuracy, количества итераций и алгоритма
- print("Accuracy наилучшей модели на валидационной выборке:", best_result,
- "Количество итераций:", max_iter, "Алгоритм:", best_solver)
Add Comment
Please, Sign In to add comment