gpt-3.5-turbo-0613· openai
Suzhen/CodeChat
simoptions = { "name": ["msd", "cosine"], "minsupport": [3, 4, 5,6,7,8], "userbased":…
- 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
- 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).