GridSearchCV を使ったモデル結果
このモデルの最適なハイパーパラメータとして、分割基準は 'gini'、推定器（木）の数は 30、最大深さは 8、最大特徴量は "log2" に設定することが分かりました。
これを実際に試し、モデルの性能を確認してみましょう。時間短縮のために、get_model_results() 関数を再度使ってください。
この演習はコースの一部です
Pythonで学ぶ不正検知
演習の手順
- モデル定義に最適な設定を入力します。
- モデルを学習し、予測を取得し、
get_model_results()で評価指標を得ます。
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。
# 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(____, ____, ____, ____, ____)