Skip to content
TheChatArchiveThe Chat Archive
gpt-3.5-turbo-0613· openaiHugging Face Suzhen/CodeChat

simoptions = { "name": ["msd", "cosine"], "minsupport": [3, 4, 5,6,7,8], "userbased":…

  1. User

    sim_options = { "name": ["msd", "cosine"], "min_support": [3, 4, 5,6,7,8], "user_based": [False, True], }

    param_grid = {"sim_options": sim_options, "n_epochs": [5, 10,15,20], "lr_all": [0.002, 0.005], "reg_all": [0.2, 0.4, 0.6,0.8] }

    gs = GridSearchCV(KNNWithMeans, param_grid, measures=["rmse", "mae"], cv=3) gs.fit(data)

    print(gs.best_score["rmse"]) print(gs.best_params["rmse"]) Как сюда добавить KNNBasic,SVD

  2. Assistant

    Для добавления моделей KNNBasic и SVD в GridSearchCV, вам нужно создать соответствующие параметры и значения для этих моделей в param_grid. Вот пример кода, которым вы можете изменить ваш имеющийся код:

    from surprise import KNNBasic, SVD
    
    sim_options = {
        "name": ["msd", "cosine"],
        "min_support": [3, 4, 5, 6, 7, 8],
        "user_based": [False, True],
    }
    
    param_grid = {
        "sim_options": sim_options,
        "n_epochs": [5, 10, 15, 20],
        "lr_all": [0.002, 0.005],
        "reg_all": [0.2, 0.4, 0.6, 0.8],
    }
    
    models = [KNNBasic, KNNWithMeans, SVD]
    
    best_scores = {}
    best_params = {}
    
    for model in models:
        gs = GridSearchCV(model, param_grid, measures=["rmse", "mae"], cv=3)
        gs.fit(data)
        
        # Сохраняем лучший score и параметры для текущей модели
        best_scores[model.__name__] = gs.best_score["rmse"]
        best_params[model.__name__] = gs.best_params["rmse"]
    
        print(f"{model.__name__}:")
        print(f"Best score: {best_scores[model.__name__]}")
        print(f"Best parameters: {best_params[model.__name__]}")
    

    В результате выполнения этого кода вы получите лучший score и параметры для каждой модели (KNNBasic, KNNWithMeans, SVD).