Exercício 2 - Versão 4

Data de entrega: 12/7 a meia noite, via email.

Objetivos: aplicar os vários regressores visto em aula. Busca de hiperparametros

Leia

Leia o arquivo Bias_correction_ucl.csv. A derscriçao dos dados esta aqui

• NOVO remova a coluna Date

• remova a coluna Next_Tmin (coluna 25). O objetivo original dos dados é prever tanto Next_Tmin quanto Next_tmax. Mas nos so vamos usar o Next_Tmax. Mas não queremos que o valor do Next_Tmin influencie nessa previsão.

• remova as linhas que tem valor faltante. Das 7752 linhas originais sobram 7588

O atributo de saída é Next_Tmax (a temperatura máxima no próximo dia).

Cross validation, medida de erro e busca de hiperparametros

Use 5-fold cross validation.

Use RMSE como medida de erro

A busca de hiperparametros será aleatória. O problema especificará um intervalo para hiperparametro. Use uma distribuição uniforme para escolher valores neste intervalo.

Se houver mais de um hiperparametro,

Para cada um dos regressores abaixo

Reporte o RMSE da melhor combinação de hiperparametros e o valor dos hiperparametros encontrados

Também reporte o RMSE de usar os valores default do SKLearn para os hiperparametros que voce buscou.

Linear

Não tem hiperparametro

Linear com regularização L2

alpha: 10 números aleatórios entre 10^{-3} e 10^3: Uniforme no expoente,

Linear com regularização L1

alpha: 10 números aleatório entre 10^{-3} e 10^3: Uniforme no expoente,

SVM Linear

Selecione 10 pares aleatórios ente:

• Use epsilon = 0.1 ou 0.3

• Use C entre 2^{-5} e 2^{15} uniforme no expoente

SVM com kernel RBF

Selecione 10 trinca aleatórias ente:

• Use epsilon = 0.1 ou 0.3

• Use C entre 2^{-5} e 2^{15} uniforme no expoente

• Use gamma entre 2^{-9} e 2^3 uniforme no expoente

KNN

K: 10 números aleatórios entre 1 e 1000

MLP

Neurônios na camada do meio: de 5 a 20, de três em três

Arvore de decisão

Use prunning.

ccp_alpha 10 números aleatórios entre 0.0 e 0.04

Random Forest

Use todas as combinações dos valores abaixo.

• n_estimators: use os valores: 10, 100 e 1000

• max_features: use os valores 5, 10, 22 (NOVO era 24 antes)

GBM

Selecione 10 trinca aleatórias ente:

• n_estimators: de 5 a 100

• learning_rate: de 0.01 a 0.3

• max_depth: 2 ou 3