GridSearchCV pro nalezení optimálních parametrů

V tomto cvičení budeš ladit model méně „náhodným" způsobem – k tomu ti pomůže GridSearchCV.

S GridSearchCV můžeš definovat, podle jaké výkonnostní metriky se mají možnosti hodnotit. Protože nám při odhalování podvodů jde především o zachycení co největšího počtu podvodných případů, můžeš nastavení modelu optimalizovat tak, aby dosáhl co nejlepšího skóre Recall. Pokud by ti záleželo i na snížení počtu falešně pozitivních výsledků, bylo by vhodné optimalizovat F1-skóre, které nabízí pěkný kompromis mezi Precision a Recall.

GridSearchCV je už naimportován z sklearn.model_selection, takže do toho!

Toto cvičení je součástí kurzu

Detekce podvodů v Pythonu

Zobrazit kurz

Pokyny k cvičení

V mřížce parametrů definuj, že chceš vyzkoušet 1 a 30 stromů a kritéria rozdělení gini a entropy.
Model nastav jako jednoduchý RandomForestClassifier a ponech random_state na hodnotě 5, abys mohl/a modely navzájem porovnat.
Nastav možnost scoring tak, aby se optimalizovalo skóre recall.
Natrénuj model na trénovacích datech X_train a y_train a zjisti nejlepší parametry modelu.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Define the parameter sets to test
param_grid = {'n_estimators': [____, ____], 'max_features': ['auto', 'log2'],  'max_depth': [4, 8], 'criterion': ['____', '____']
}

# Define the model to use
model = ____(random_state=5)

# Combine the parameter sets with the defined model
CV_model = GridSearchCV(estimator=model, param_grid=param_grid, cv=5, scoring='____', n_jobs=-1)

# Fit the model to our training data and obtain best parameters
CV_model.fit(____, ____)
CV_model.____

Upravit a spustit kód