1. Learn
    2. /
  2. कोर्स
    3. /
  3. Python में Tree-Based Models के साथ Machine Learning
Connected

अभ्यास

RF का हाइपरपैरामीटर ग्रिड सेट करें

इस अभ्यास में, आप मैन्युअली हाइपरपैरामीटर का ग्रिड सेट करेंगे, जिसका उपयोग rf के हाइपरपैरामीटर्स को ट्यून करने और बेहतर रिग्रेसर खोजने के लिए किया जाएगा. इसके लिए, आप हाइपरपैरामीटर का ग्रिड बनाएँगे और एस्टिमेटर्स की संख्या, प्रत्येक नोड को स्प्लिट करते समय उपयोग होने वाले अधिकतम फीचर्स, और प्रति लीफ न्यूनतम सैंपल (या अंश) को ट्यून करेंगे.

निर्देश

100 XP

  • params_rf नाम की एक Python डिक्शनरी के रूप में हाइपरपैरामीटर ग्रिड परिभाषित करें, जिसमें:

    • key 'n_estimators' को मानों की सूची 100, 350, 500 पर सेट करें

    • key 'max_features' को मानों की सूची 'log2', 'auto', 'sqrt' पर सेट करें

    • key 'min_samples_leaf' को मानों की सूची 2, 10, 30 पर सेट करें