''' regularization_strengths = [5e4, 1e5, 5e5, 1e8] ################################################################################ # TODO: # # Use the validation set to set the learning rate and regularization strength. # # Save the best trained softmax classifer in best_softmax. # # Hint: about 10 lines of code expected ################################################################################ ns=SoftmaxClassifier() max_iters=8000 for rs in regularization_strengths: ns.train_fmin(X_train,y_train,rs,max_iters) ta=np.mean(y_train == ns.predict(X_train)) va=np.mean(y_val == ns.predict(X_val)) results[rs]=(ta,va) if va>best_val: best_val=va best_reg = rs best_softmax=ns print '\t---- FINISHED fmin with reg: %e------' %rs ################################################################################ # END OF YOUR CODE # ################################################################################ # Print out results. for rs in sorted(results): train_accuracy, val_accuracy = results[(rs)] print 'reg %e train accuracy: %f val accuracy: %f' % (