Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- nGrinder
- spring microservice
- devops
- java
- 익명클래스
- Algorithm
- cloud native
- 클라우드 네이티브
- Microservice
- CRD
- ansible
- 동기화
- 자바
- 헬름
- Semaphore
- 코틀린
- Kotlin
- MySQL
- kubernetes
- 마이크로서비스
- cloud native java
- 쿠버네티스
- Spring
- ingress
- decorator 패턴
- 머신러닝
- Adapter 패턴
- MSA
- 클라우드 네이티브 자바
- Stress test
Archives
- Today
- Total
목록grid search (1)
카샤의 만개시기
하이퍼파라미터를 최적화하면 모델 성능을 향상시키는데 큰 도움이 됩니다. 그리드 서치는 리스트로 지정된 여러 하이퍼파라미터 값을 받아 모든 조합에 대해 모델 성능을 평가하여 최적의 하이퍼파라미터 조합을 찾습니다. from sklearn.model_selection import GridSearchCV from sklearn.svm import SVC pipe_svc = make_pipeline(StandardScaler(), SVC(random_state=1)) param_range = [0.0001, 0.001, 0.01, 0.1, 1.0, 10.0, 100.0, 1000.0] param_grid = [{'svc__C': param_range, 'svc__kernel': [&#..
Machine Learning
2020. 1. 20. 10:00