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

cvičení

GridSearchCV pomocí Scikit Learn

Modul GridSearchCV ze Scikit Learn nabízí řadu užitečných funkcí, které ti pomůžou efektivně provádět grid search. Teď si vyzkoušíš nabyté znalosti v praxi a vytvoříš objekt GridSearchCV se zadanými parametry.

Požadované nastavení:

  • Estimátor Random Forest s kritériem rozdělení 'entropy'
  • 5-násobná křížová validace
  • Hyperparametry max_depth (2, 4, 8, 15) a max_features ('auto' vs 'sqrt')
  • Pro hodnocení modelů použij roc_auc
  • Pro paralelní zpracování využij 4 jádra
  • Zajisti, aby se nejlepší model znovu natrénoval, a vrať skóre z trénovací sady

K dispozici máš datové sady X_train, X_test, y_train a y_test.

Pokyny

100 XP
  • Vytvoř estimátor Random Forest podle zadání výše.
  • Vytvoř mřížku parametrů podle zadání výše.
  • Vytvoř objekt GridSearchCV podle zadání výše, přičemž použij oba prvky vytvořené v předchozích dvou krocích.