Implementar GridSearch

Ahora puedes usar la función GridSearchCV() de sklearn para encontrar la mejor combinación de todos los valores de max_depth y min_samples_leaf que generaste en el ejercicio anterior.

Este ejercicio forma parte del curso

Analítica de RR. HH.: Predicción de rotación de empleados en Python

Ver curso

Instrucciones del ejercicio

Importa la función GridSearchCV.
Aplica GridSearchCV() a tu model usando el diccionario parameters que definiste antes. Guarda el resultado como param_search.
Ajusta (fit) param_search al conjunto de entrenamiento.
Imprime los mejores parámetros encontrados usando el atributo best_params_.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# import the GridSearchCV function
from sklearn.model_selection import ____

# set up parameters: done
parameters = dict(max_depth=depth, min_samples_leaf=samples)

# initialize the param_search function using the GridSearchCV function, initial model and parameters above
param_search = ____(model, parameters, cv=3)

# fit the param_search to the training dataset
____.fit(features_train, target_train)

# print the best parameters found
print(param_search.____)

Editar y ejecutar código