शुरू करेंमुफ़्त में शुरू करें

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.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Tree-Based Models के साथ Machine Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • 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

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Define the dictionary 'params_rf'
params_rf = ____
कोड संपादित करें और चलाएँ