\# Сравнение GridSearchCV и HalvingGridSearchCV для подбора гиперпараметров SVM



\## Описание проекта

В рамках задания по теме «Искусственные нейронные сети: первые шаги» выполнено сравнение двух методов подбора гиперпараметров для классификатора SVM:

\- \*\*GridSearchCV\*\* – полный перебор всех комбинаций гиперпараметров.

\- \*\*HalvingGridSearchCV\*\* – итеративный отсев неперспективных комбинаций (Successive Halving).



\## Используемые алгоритмы и данные



\### Алгоритмы

\- `SVC` – метод опорных векторов из библиотеки scikit-learn.

\- `GridSearchCV` – полный перебор с кросс-валидацией.

\- `HalvingGridSearchCV` – итеративный подбор гиперпараметров.



\### Данные

1\. \*\*Синтетические\*\* – сгенерированы через `make\_classification` (1000 образцов, 20 признаков).

2\. \*\*Реальные\*\* – встроенный датасет Wine (178 образцов, 13 признаков, 3 класса).



\## Результаты работы



\### Синтетические данные

\- \*\*HalvingGridSearchCV\*\* выполнился за \~1.2 секунды.

\- \*\*GridSearchCV\*\* выполнился за \~4.8 секунды.

\- Ускорение: \~4 раза.



\### Реальные данные (Wine)

\- \*\*HalvingGridSearchCV\*\* выполнился за \~0.8 секунды.

\- \*\*GridSearchCV\*\* выполнился за \~0.25 секунды.

\- На малом датасете GridSearchCV может быть быстрее, но Halving показывает сопоставимое качество за меньшее количество итераций.



\### Ключевые выводы

\- HalvingGridSearchCV значительно ускоряет подбор параметров на больших сетках.

\- При малом объёме данных преимущество может быть не таким заметным.

\- Тепловые карты позволяют наглядно сравнить области оптимальных параметров.



\## Графики и визуализация

В ноутбуке `week4\_model\_selection.ipynb` построены:

\- Тепловые карты для синтетических данных (Halving и GridSearch)

\- Тепловые карты для датасета Wine (Halving и GridSearch)

\- Столбчатая диаграмма сравнения времени выполнения



\## Файлы в репозитории

\- `week4\_model\_selection.ipynb` – основной Jupyter Notebook с кодом и анализом.

\- `requirements.txt` – список зависимостей для воспроизведения окружения.

\- `.gitignore` – исключённые файлы (виртуальное окружение, кеши).

\- `README.md` – описание проекта.



\## Запуск проекта



1\. Клонировать репозиторий:

```bash

git clone https://git.vyatsu.ru/stud203996/scikit\_learn\_lab.git

cd scikit\_learn\_lab