ComenzarEmpieza gratis

Búsqueda aleatoria con Random Forest

Para afianzar tu conocimiento sobre el muestreo aleatorio, vamos a hacer un ejercicio similar pero usando hiperparámetros y un algoritmo distintos.

Como antes, crea algunas listas de hiperparámetros que se puedan compactar en una lista de listas. Usarás los hiperparámetros criterion, max_depth y max_features del algoritmo de random forest. Luego, muestrearás aleatoriamente combinaciones de hiperparámetros para preparar una búsqueda aleatoria.

En esta tarea usarás un paquete ligeramente diferente para muestrear, random.sample().

Este ejercicio forma parte del curso

Ajuste de hiperparámetros en Python

Ver curso

Instrucciones del ejercicio

  • Crea listas con los valores 'gini' y 'entropy' para criterion y "auto", "sqrt", "log2", None para max_features.
  • Crea una lista de valores entre 3 y 55, ambos inclusive, para el hiperparámetro max_depth y asígnala a la lista max_depth_list. Recuerda que range(N,M) creará una lista desde N hasta M-1.
  • Combina estas listas en una lista de listas de la que muestrear usando product().
  • Muestra aleatoriamente 150 modelos de la lista combinada e imprime el resultado.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Create lists for criterion and max_features
criterion_list = ____
max_feature_list = ____

# Create a list of values for the max_depth hyperparameter
max_depth_list = list(range(____,____))

# Combination list
combinations_list = [list(x) for x in product(____, ____, ____)]

# Sample hyperparameter combinations for a random search
combinations_random_chosen = random.sample(____, ____)

# Print the result
print(____)
Editar y ejecutar código