総まとめ

ここまで学んだ内容をすべて一つにまとめましょう！このコース最後の演習では、これまでの演習で作成した内容を組み合わせて、前処理から学習までを一貫して行う XGBoost パイプラインを完成させます。これにより、XGBoost における前処理とパイプラインの理解をしっかり定着させます。

直前の3つの演習で行った、データの前処理とパイプラインの構築は読み込まれています。ここではランダムサーチを実行し、最適なハイパーパラメータを特定してください。

パラメータグリッドを設定します。'clf__learning_rate'（0.05 から 1 まで 0.05 刻み）、'clf__max_depth'（3 から 10 まで 1 刻み）、'clf__n_estimators'（50 から 200 まで 50 刻み）をチューニング対象にします。
推定器に pipeline を用いて、2 分割の RandomizedSearchCV を実行します。n_iter は 2、評価指標は "roc_auc"、verbose は 1 に設定して詳細な出力を得ます。結果は randomized_roc_auc に保存します。
randomized_roc_auc を X と y に対して学習させます。
randomized_roc_auc のベストスコアとベスト推定器を計算します。