Random Forest के साथ Randomly Search
रैंडम सैंपलिंग की समझ मजबूत करने के लिए, आइए एक समान अभ्यास करें लेकिन अलग हाइपरपैरामीटर्स और अलग एल्गोरिदम के साथ.
पहले की तरह, ऐसे हाइपरपैरामीटर्स की लिस्टें बनाइए जिन्हें मिलाकर लिस्ट-ऑफ-लिस्ट्स बनाया जा सके. आप रैंडम फॉरेस्ट एल्गोरिदम के हाइपरपैरामीटर्स criterion, max_depth और max_features का उपयोग करेंगे. फिर आप रैंडम सर्च चलाने की तैयारी में हाइपरपैरामीटर कॉम्बिनेशंस को रैंडम तरीके से सैंपल करेंगे.
इस टास्क में सैंपलिंग के लिए आप थोड़े अलग पैकेज/फंक्शन random.sample() का उपयोग करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Hyperparameter Tuning
अभ्यास निर्देश
criterionके लिए वैल्यूज़'gini'और'entropy'तथाmax_featuresके लिए"auto", "sqrt", "log2", Noneकी लिस्ट बनाइए.- हाइपरपैरामीटर
max_depthके लिए 3 से 55 (दोनों शामिल) के बीच की वैल्यूज़ की लिस्ट बनाकर उसेmax_depth_listमें असाइन कीजिए. याद रखें,range(N,M)N सेM-1 तक की लिस्ट बनाता है. - इन लिस्टों को मिलाकर
product()का उपयोग करते हुए सैंपलिंग के लिए एक लिस्ट-ऑफ-लिस्ट्स बनाइए. - संयुक्त लिस्ट में से 150 मॉडल्स को रैंडमली सैंपल कीजिए और परिणाम प्रिंट कीजिए.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create lists for criterion and max_features
criterion_list = ____
max_feature_list = ____
# Create a list of values for the max_depth hyperparameter
max_depth_list = list(range(____,____))
# Combination list
combinations_list = [list(x) for x in product(____, ____, ____)]
# Sample hyperparameter combinations for a random search
combinations_random_chosen = random.sample(____, ____)
# Print the result
print(____)