Ajuster plusieurs hyperparamètres
Dans cet exercice, vous allez vous entraîner à ajuster plusieurs hyperparamètres simultanément. C’est un point important à maîtriser, car les hyperparamètres d’un algorithme influent généralement les uns sur les autres. Les régler un par un n’est donc généralement pas recommandé.
Vous allez ajuster les paramètres max_features et max_samples de IForest à l’aide d’un échantillon des données de ventes de Big Mart.
IForest et airbnb_df sont déjà chargés pour vous. La fonction product du module itertools est également disponible.
Cet exercice fait partie du cours
<cours>Détection d’anomalies en Python</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create two lists for max_features and max_samples
max_features = ____
max_samples = ____
scores = dict()