शुरू करेंमुफ़्त में शुरू करें

RandomizedSearch की तैयारी

पिछले सेमेस्टर में आपके प्रोफेसर ने आपकी क्लास को अंतिम परीक्षा के टेस्ट स्कोर का पूर्वानुमान लगाने के लिए एक प्रेडिक्टिव मॉडल बनाने की चुनौती दी थी. आपने हाइपरपैरामीटर्स को रैंडमली चुनकर कुछ अलग-अलग मॉडल चलाने की कोशिश की. लेकिन हर मॉडल चलाने के लिए आपको उसे अलग से कोड करना पड़ता था.

RandomizedSearchCV() के बारे में सीखने के बाद, आप अब अपने प्रोफेसर की चुनौती पर लौट रहे हैं ताकि सबसे अच्छा मॉडल बनाया जा सके. इस अभ्यास में, आप एक रैंडम सर्च पूरा करने के लिए आवश्यक तीन इनपुट तैयार करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Model Validation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • पैरामीटर dictionary को फ़ाइनलाइज़ करें: max_depth पैरामीटर के लिए 2, 4, 6, और 8 विकल्पों की एक लिस्ट जोड़ें.
  • दस पेड़ों के साथ और random_state 1111 का उपयोग करते हुए एक random forest regression मॉडल बनाएँ.
  • उपयोग के लिए mean squared error का एक स्कोरर बनाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import make_scorer, mean_squared_error

# Finish the dictionary by adding the max_depth parameter
param_dist = {"____": [____],
              "max_features": [2, 4, 6, 8, 10],
              "min_samples_split": [2, 4, 8, 16]}

# Create a random forest regression model
rfr = ____(____=10, ____=1111)

# Create a scorer to use (use the mean squared error)
scorer = ____(____)
कोड संपादित करें और चलाएँ