Hasil model menggunakan GridSearchCV
Anda menemukan bahwa parameter terbaik untuk model Anda adalah kriteria pemisahan diatur ke 'gini', jumlah estimator (pohon) adalah 30, kedalaman maksimum model adalah 8, dan jumlah fitur maksimum diatur ke "log2".
Mari kita coba dan lihat seberapa baik kinerja model kita. Anda dapat menggunakan kembali fungsi get_model_results() untuk menghemat waktu.
Latihan ini merupakan bagian dari kursus
Deteksi Kecurangan di Python
Instruksi latihan
- Masukkan pengaturan optimal ke dalam definisi model.
- Latih model, peroleh prediksi, dan dapatkan parameter kinerja dengan
get_model_results().
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Input the optimal parameters in the model
model = RandomForestClassifier(class_weight={0:1,1:12}, ____='____',
____=____, ____='log2', min_samples_leaf=10, ____=____, n_jobs=-1, random_state=5)
# Get results from your model
get_model_results(____, ____, ____, ____, ____)