Modellergebnisse mit GridSearchCV
Du hast herausgefunden, dass die besten Parameter für dein Modell sind: das Split-Kriterium soll auf 'gini' gesetzt werden, die Anzahl der Estimatoren (Bäume) soll 30 sein, die maximale Tiefe des Modells soll 8 sein und die maximale Anzahl Features soll auf "log2" gesetzt werden.
Probieren wir das aus und schauen, wie gut dein Modell performt. Du kannst erneut die Funktion get_model_results() nutzen, um Zeit zu sparen.
Diese Übung ist Teil des Kurses
Betrugserkennung mit Python
Anleitung zur Übung
- Trage die optimalen Einstellungen in die Modell-Definition ein.
- Fitte das Modell, erstelle Vorhersagen und ermittle die Leistungskennzahlen mit
get_model_results().
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Input the optimal parameters in the model
model = RandomForestClassifier(class_weight={0:1,1:12}, ____='____',
____=____, ____='log2', min_samples_leaf=10, ____=____, n_jobs=-1, random_state=5)
# Get results from your model
get_model_results(____, ____, ____, ____, ____)