Implementare GridSearch

Ora puoi usare la funzione GridSearchCV() di sklearn per trovare la migliore combinazione di tutti i valori di max_depth e min_samples_leaf che hai generato nell'esercizio precedente.

Questo esercizio fa parte del corso

HR Analytics: prevedere l'abbandono dei dipendenti in Python

Visualizza il corso

Istruzioni dell'esercizio

Importa la funzione GridSearchCV
Applica GridSearchCV() al tuo model usando il dizionario parameters che hai definito prima. Salvalo come param_search.
Allena (fit) param_search sul training set.
Stampa i parametri migliori trovati usando l'attributo best_params_.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# import the GridSearchCV function
from sklearn.model_selection import ____

# set up parameters: done
parameters = dict(max_depth=depth, min_samples_leaf=samples)

# initialize the param_search function using the GridSearchCV function, initial model and parameters above
param_search = ____(model, parameters, cv=3)

# fit the param_search to the training dataset
____.fit(features_train, target_train)

# print the best parameters found
print(param_search.____)

Modifica ed esegui il codice