Risultati del modello con GridSearchCV
Hai scoperto che i migliori iperparametri per il tuo modello sono: il criterio di split deve essere impostato su 'gini', il numero di stimatori (alberi) deve essere 30, la profondità massima del modello deve essere 8 e il numero massimo di feature deve essere impostato su "log2".
Proviamoci e vediamo come si comporta il modello. Puoi riutilizzare la funzione get_model_results() per risparmiare tempo.
Questo esercizio fa parte del corso
Rilevamento delle frodi in Python
Istruzioni dell'esercizio
- Inserisci le impostazioni ottimali nella definizione del modello.
- Allena il modello, ottieni le predizioni e ricava le metriche di performance con
get_model_results().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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(____, ____, ____, ____, ____)