सर्वश्रेष्ठ precision मॉडल चुनना
आपके बॉस ने इस साल आपको तीन स्पोर्ट्स गेम देखने का खर्च उठाने की पेशकश की है. आपकी पसंदीदा टीम 41 होम गेम खेलती है, और आप यह सुनिश्चित करना चाहते हैं कि जिन तीन होम गेम में आप जाएँ, वे वे गेम हों जिन्हें वे निश्चित तौर पर जीतेंगे. आप यह तय करने के लिए एक मॉडल बनाते हैं कि आपकी टीम किन गेम्स को जीतेगी.
इसके लिए, आप एक random search एल्गोरिदम बनाएँगे और मॉडल के precision पर ध्यान देंगे (ताकि आपकी टीम की जीत सुनिश्चित हो). आप अपने best मॉडल और best parameters का रिकॉर्ड भी रखना चाहते हैं, ताकि अगले साल फिर से उनका उपयोग कर सकें (बशर्ते मॉडल अच्छा प्रदर्शन करे). आप पहले ही random forest classification मॉडल rfc का चुनाव कर चुके हैं और एक parameter distribution param_dist जनरेट कर चुके हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Model Validation
अभ्यास निर्देश
make_scorer(<scoring_function>)का उपयोग करके एक precision स्कोररprecisionबनाएँ.rfcऔरparam_distका उपयोग करके random search मेथड को पूरा करें.- mean test scores प्रिंट करने के लिए
rs.cv_results_का उपयोग करें. - कुल मिलाकर best score प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
from sklearn.metrics import precision_score, make_scorer
# Create a precision scorer
precision = ____(____)
# Finalize the random search
rs = RandomizedSearchCV(
estimator=____, param_distributions=____,
scoring = precision,
cv=5, n_iter=10, random_state=1111)
rs.fit(X, y)
# print the mean test scores:
print('The accuracy for each run was: {}.'.format(rs.cv_results_['____']))
# print the best model score:
print('The best accuracy for a single model was: {}'.format(rs.____))