1. Učit se
  2. /
  3. Kurzy
  4. /
  5. Hyperparameter Tuning in Python

Connected

cvičení

Využití nejlepších výsledků

Analýza výsledků grid search je zajímavá, ale náš hlavní cíl je praktický – chceme pomocí estimátoru generovat predikce na testovací sadě.

K tomuto objektu se dostaneme přes vlastnost best_estimator_ objektu grid search.

Podívejme se dovnitř vlastnosti best_estimator_, vytvoříme predikce a vypočítáme hodnotící skóre. Nejprve použijeme výchozí metodu predict (vrací predikce tříd), ale pro výpočet ROC-AUC skóre budeme potřebovat predict_proba místo predict – ROC-AUC totiž vyžaduje pravděpodobnostní skóre. Pomocí výřezu [:,1] získáme pravděpodobnosti pro pozitivní třídu.

Máš k dispozici datové sady X_test a y_test a objekt grid_rf_class z předchozích cvičení.

Pokyny

100 XP
  • Zkontroluj typ vlastnosti best_estimator_.
  • Pomocí vlastnosti best_estimator_ vytvoř predikce na testovací sadě.
  • Z predikcí vygeneruj matici záměn a ROC_AUC skóre.