Ajuster le nombre de caractéristiques

Les hyperparamètres par défaut utilisés par vos modèles ne sont pas optimisés pour vos données. L'objectif de la validation croisée par recherche exhaustive (grid search) est d'identifier les hyperparamètres qui mènent au rendement optimal du modèle. Dans la vidéo, vous avez vu comment l'hyperparamètre n_estimators de la forêt aléatoire a été ajusté. Ici, vous allez vous exercer à ajuster l'hyperparamètre max_features. L'hyperparamètre cv est fixé à 3 pour que le code s'exécute rapidement.

Hyperparameter	Purpose
max_features	Number of features for best split

Une forêt aléatoire est un ensemble de nombreux arbres de décision. L'hyperparamètre n_estimators contrôle le nombre d'arbres à utiliser dans la forêt, tandis que l'hyperparamètre max_features contrôle le nombre de caractéristiques que la forêt aléatoire doit considérer lorsqu'elle recherche la meilleure coupure dans un arbre de décision.

Un classifieur de forêt aléatoire a été instancié pour vous sous le nom clf.