Optimiser les hyperparamètres avec Optuna
Optimiser les hyperparamètres d'un modèle
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Rédigez un code Python pour optimiser les hyperparamètres de [XGBoost/LightGBM/Random Forest] avec Optuna sur un jeu de données X, y. Définissez un espace de recherche pertinent pour [liste des hyperparamètres clés], utilisez une validation croisée à 5 blocs avec [métrique] comme objectif, exécutez [N] essais et tracez l'historique d'optimisation ainsi que les importances des paramètres.
Personnaliser ce prompt avec Léa
Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.
Cas d'usage
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Utilisez `MedianPruner` pour interrompre les essais peu prometteurs et accélérer l’optimisation. Persistez l’étude avec `storage='sqlite:///study.db'` pour reprendre plus tard. Explorez `plot_parallel_coordinate` pour détecter les interactions entre hyperparamètres.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Créer des contrôles de qualité des données
Valider la qualité des données dans les pipelines
Analyse des besoins ADDIE
Analyse ADDIE
Analyse des tendances du marché local
Produire des rapports de marché pour asseoir son expertise locale
Analyse des données de stocks et d'inventaire
Analyse complète des données d'inventaire avec classification ABC/XYZ, calcul des seuils et optimisation du BFR.