Résultats du modèle avec GridSearchCV
Vous avez déterminé que les meilleurs hyperparamètres pour votre modèle sont : le critère de séparation réglé sur 'gini', le nombre d’estimateurs (arbres) à 30, la profondeur maximale du modèle à 8 et le nombre maximal de variables explicatives défini sur "log2".
Essayons cela pour voir les performances de votre modèle. Vous pouvez réutiliser la fonction get_model_results() pour gagner du temps.
Cet exercice fait partie du cours
<cours>Détection de fraude en Python</cours>Instructions de l’exercice
- Renseignez les réglages optimaux dans la définition du modèle.
- Entraînez le modèle, obtenez les prédictions et récupérez les métriques 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(____, ____, ____, ____, ____)