Ejercicio de programación con ScikitLearn: Ajuste de hiperparámetros

En este reto, experimentarás con el ajuste de hiperparámetros usando GridSearchCV de Scikit-Learn para optimizar un modelo de Máquina de Vectores de Soporte (SVM). Utilizarás el conocido conjunto de datos Iris proporcionado por Scikit-Learn. El objetivo es encontrar los valores óptimos para los hiperparámetros C, gamma y kernel del clasificador SVM.

1. Importar el conjunto de datos: Carga el conjunto de datos Iris usando datasets.load_iris().
2. Definir el modelo: Configura un modelo base utilizando SVC() de Scikit-Learn.
3. Definir la cuadrícula de hiperparámetros: Establece un conjunto de valores para los hiperparámetros C, gamma, y kernel.
4. Configurar GridSearchCV: Configura GridSearchCV para buscar los mejores hiperparámetros. Asegúrate de usar validación cruzada con al menos 5 particiones.
5. Ejecutar el ajuste de hiperparámetros: Utiliza el método fit de GridSearchCV sobre el conjunto de datos para encontrar la mejor combinación de hiperparámetros.
6. Obtener resultados: Imprime los mejores hiperparámetros y la puntuación alcanzada con ellos.
7. Repetir con RandomizedSearchCV.

Completa los pasos mencionados y asegúrate de implementar el código para realizar el ajuste de hiperparámetros de manera eficiente. Usa GridSearchCV para evaluar el clasificador SVM y lograr un rendimiento óptimo.