GridSearch를 이용한 최적의 하이퍼 파라미터 찾기

from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import GridSearchCV
from keras.models import Sequential
from keras.layers import Dense

기본 import문

 

그리드 서치의 기본은 

1. 모델링을 함수로 만들기

 

 

2.그리드 서치용 클래서파이어 만들기

model = KerasClassifier(build_fn=  인공지능 함수)

그리드 서치로 찾을 여러 조합 함수로 지정

my_param = {'batch_size' : [10,20,32] , 'epochs' : [20,30,50], 'optimizer' : [옵티마이저 종류] }

grid = GridSearchCV(estimator = model, param_grid= my_param , scoring = 'accuracy' )

grid.fit(X_train,y_train)

그리드에 베스트 파라미터는 무엇
grid.best_params_

베스트 스코어는 무엇
grid.best_score_

최적의 모델은 무엇인가
best_model = grid.best_estimator_

y_pred = best_model.predict(X_test)

best_model.predict_proba(X_test)

한번에 확률이 같이 나옴

confusion_matrix(y_test, y_pred)
accuracy_score(y_test , y_pred)

 

 

1.필요 import from keras.wrappers.scikit_learn import KerasClassifier from sklearn.model_selection import GridSearchCV from keras.models import Sequential from keras.layers import Dense model = KerasClassifier(build_fn=  인공지능 함수) my_param = {'batch_size' : [10,20,32] , 'epochs' : [20,30,50], 'optimizer' : [옵티마이저 종류] } grid = GridSearchCV(estimator = model, param_grid= my_param , scoring = 'accuracy' ) grid.fit(X_train,y_train) -그리드에 베스트 파라미터는 무엇 grid.best_params_ -베스트 스코어는 무엇 grid.best_score_ 최적의 모델은 무엇인가 best_model = grid.best_estimator_ y_pred = best_model.predict(X_test) confusion_matrix(y_test, y_pred) accuracy_score(y_test , y_pred)