モデル複雑度のためのグリッドサーチCV
前のスライドでは、ほとんどの分類器にはその複雑さを制御する1つ以上のハイパーパラメータがあること、そしてそれらを GridSearchCV() でチューニングできることを学びました。この演習では、そのスキルを実践で磨きます。次の項目を試してみましょう。
RandomForestClassifierの木の本数n_estimators。AdaBoostClassifierが用いる決定木の最大深さmax_depth。KNeighborsClassifierの最近傍点の数n_neighbors。
この演習はコースの一部です
Python で設計する Machine Learning ワークフロー
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Set a range for n_estimators from 10 to 40 in steps of 10
param_grid = {'____': range(10, ____, ____)}
# Optimize for a RandomForestClassifier() using GridSearchCV
grid = GridSearchCV(____, param_grid, cv=3)
grid.fit(X, y)
grid.best_params_