MulaiMulai sekarang secara gratis

Pencarian Acak dengan Random Forest

Untuk memantapkan pemahaman Anda tentang pengambilan sampel acak, mari lakukan latihan serupa namun dengan hiperparameter dan algoritma yang berbeda.

Seperti sebelumnya, buat beberapa daftar hiperparameter yang dapat dipasangkan menjadi daftar berisi daftar. Anda akan menggunakan hiperparameter criterion, max_depth, dan max_features dari algoritme random forest. Lalu, Anda akan mengambil sampel kombinasi hiperparameter secara acak sebagai persiapan menjalankan random search.

Anda akan menggunakan paket yang sedikit berbeda untuk pengambilan sampel pada tugas ini, yaitu random.sample().

Latihan ini adalah bagian dari kursus

Penyetelan Hyperparameter di Python

Lihat Kursus

Petunjuk latihan

  • Buat daftar nilai 'gini' dan 'entropy' untuk criterion serta "auto", "sqrt", "log2", None untuk max_features.
  • Buat daftar nilai antara 3 hingga 55 (inklusif) untuk hiperparameter max_depth dan simpan ke daftar max_depth_list. Ingat bahwa range(N,M) akan membuat daftar dari N hingga M-1.
  • Gabungkan daftar-daftar ini menjadi daftar berisi daftar yang akan diambil sampelnya menggunakan product().
  • Ambil sampel secara acak sebanyak 150 model dari daftar gabungan tersebut dan cetak hasilnya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Create lists for criterion and max_features
criterion_list = ____
max_feature_list = ____

# Create a list of values for the max_depth hyperparameter
max_depth_list = list(range(____,____))

# Combination list
combinations_list = [list(x) for x in product(____, ____, ____)]

# Sample hyperparameter combinations for a random search
combinations_random_chosen = random.sample(____, ____)

# Print the result
print(____)
Edit dan Jalankan Kode