Résultats du modèle avec GridSearchCV
Vous avez découvert que les meilleurs hyperparamètres pour votre modèle sont les suivants : le critère de segmentation doit être réglé à « gini », le nombre d'estimateurs (arbres) doit être 30, la profondeur maximale du modèle doit être 8 et le nombre maximal de caractéristiques doit être réglé à "log2".
Mettons cela à l'essai pour voir le rendement de notre modèle. Vous pouvez réutiliser la fonction get_model_results() pour gagner du temps.
Cette activité fait partie du cours
Détection de fraude en Python
Instructions de l’exercice
- Saisissez les paramètres optimaux dans la définition du modèle.
- Entraînez le modèle, obtenez les prédictions et récupérez les paramètres de performance avec
get_model_results().
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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(____, ____, ____, ____, ____)