शुरू करेंमुफ़्त में शुरू करें

मॉडल जटिलता के लिए Grid search CV

पिछली स्लाइड में आपने देखा कि ज़्यादातर classifiers में एक या अधिक hyperparameters होते हैं जो उनकी जटिलता को नियंत्रित करते हैं. आपने यह भी सीखा कि उन्हें GridSearchCV() से कैसे ट्यून किया जाता है. इस अभ्यास में, आप इस कौशल को और मज़बूत करेंगे. आप इन पर प्रयोग करेंगे:

  • RandomForestClassifier में पेड़ों की संख्या n_estimators.
  • AdaBoostClassifier में इस्तेमाल होने वाले decision trees की अधिकतम गहराई max_depth.
  • KNeighborsClassifier में निकटतम पड़ोसियों की संख्या n_neighbors.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में मशीन लर्निंग वर्कफ़्लो डिज़ाइन करना

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Set a range for n_estimators from 10 to 40 in steps of 10
param_grid = {'____': range(10, ____, ____)}

# Optimize for a RandomForestClassifier() using GridSearchCV
grid = GridSearchCV(____, param_grid, cv=3)
grid.fit(X, y)
grid.best_params_
कोड संपादित करें और चलाएँ