GridSearch の実装

これまでに作成した max_depth と min_samples_leaf のすべての組み合わせから最適なものを見つけるために、sklearn の GridSearchCV() 関数を使いましょう。

この演習はコースの一部です

HRアナリティクス：Pythonで従業員離職を予測する

演習の手順

GridSearchCV 関数をインポートします。
先ほど定義した parameters 辞書を使って、model に GridSearchCV() を適用し、param_search として保存します。
学習用データに対して param_search を学習（fit）させます。
見つかった最適なパラメータを best_params_ 属性で表示します。

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。

# 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.____)

コードを編集して実行