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
Détection d’anomalies en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create two lists for max_features and max_samples
max_features = ____
max_samples = ____
scores = dict()