Оптимизация гиперпараметров для повышения точности классификации с использованием набора данных NSL-KDD в scikit-learn ⇐ Python

[Anonymous]

Я работаю с набором данных NSL-KDD, и моя задача — повысить точность алгоритмов классификации с помощью scikit-learn. В частности, я заинтересован в достижении показателя точности более 80%.
Я реализовал различные алгоритмы классификации из scikit-learn, такие как классификатор K-Nearest Neighbours (KNN), но В настоящее время я изо всех сил пытаюсь достичь желаемой точности.
Я подозреваю, что оптимизация гиперпараметров может стать ключом к улучшению производительности модели. Однако я не уверен относительно наиболее эффективных гиперпараметров для настройки и оптимальных значений для этих гиперпараметров.
Я просмотрел документацию scikit-learn и изучил некоторые базовые методы, такие как поиск по сетке, но я Мне нужны дополнительные рекомендации о том, на каких гиперпараметрах следует сосредоточиться и как лучше всего оптимизировать их для набора данных NSL-KDD.
Я был бы очень признателен за любые идеи, рекомендации или примеры кода, связанные с оптимизацией гиперпараметров. для алгоритмов классификации в scikit-learn. В частности, мне нужны предложения по наиболее важным гиперпараметрам для настройки, а также по любым конкретным значениям или диапазонам, которые могут обеспечить точность более 80 %.

Подробнее здесь: https://stackoverflow.com/questions/616 ... ng-nsl-kdd