Začněte nyníZačněte zdarma

Prozkoumání výsledků grid search

Teď prozkoumáš vlastnost cv_results_ objektu GridSearchCV definovaného ve videu. Jde o slovník, který můžeš načíst do pandas DataFrame — obsahuje spoustu užitečných informací o právě provedeném grid search.

Připomenutí typů sloupců v této vlastnosti:

  • sloupce time_
  • sloupce param_ (jeden pro každý hyperparametr) a jediný sloupec params (se všemi nastaveními hyperparametrů)
  • sloupec train_score pro každý fold křížové validace, včetně sloupců mean_train_score a std_train_score
  • sloupec test_score pro každý fold křížové validace, včetně sloupců mean_test_score a std_test_score
  • sloupec rank_test_score s číslem od 1 do n (počet iterací) seřazujícím řádky podle jejich mean_test_score

Toto cvičení je součástí kurzu

Hyperparameter Tuning in Python

Zobrazit kurz

Pokyny k cvičení

  • Načti vlastnost cv_results_ objektu grid_rf_class GridSearchCV do datového rámce a vypiš celý jeho obsah.
  • Vyextrahuj a vypiš jediný sloupec obsahující slovník se všemi hyperparametry použitými v každé iteraci grid search.
  • Vyextrahuj a vypiš řádek s nejlepším průměrným testovacím skóre pomocí indexování sloupcem rank_test_score.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Read the cv_results property into a dataframe & print it out
cv_results_df = pd.DataFrame(grid_rf_class.____)
print(____)

# Extract and print the column with a dictionary of hyperparameters used
column = cv_results_df.loc[:, [____]]
print(____)

# Extract and print the row that had the best mean test score
best_row = cv_results_df[cv_results_df[____] == ____ ]
print(best_row)
Upravit a spustit kód