始める無料で始める

ベストな結果を使う

グリッドサーチの結果を分析するのは有益ですが、最終的な目的は実務的です。推定器オブジェクトを使ってテストデータに対して予測を行いたいのです。

このオブジェクトには、グリッドサーチオブジェクトの best_estimator_ プロパティからアクセスできます。

best_estimator_ プロパティの中身を確認し、予測を行い、評価指標を計算してみましょう。まずはデフォルトの predict（クラス予測）を使いますが、roc-auc の計算には確率が必要なため、roc-auc を算出するときは predict ではなく predict_proba を使います。正例クラスの確率を取り出すためにスライス [:,1] を使います。

X_test と y_test のデータセット、および前の演習で作成した grid_rf_class オブジェクトが利用可能です。

この演習はコースの一部です

Pythonでのハイパーパラメータチューニング

コースを見る

演習の手順

  • best_estimator_ プロパティの型を確認します。
  • best_estimator_ プロパティを使ってテストセットに対する予測を行います。
  • 予測結果から混同行列と ROC_AUC スコアを算出します。

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。

# See what type of object the best_estimator_ property is
print(____(____.____))

# Create an array of predictions directly using the best_estimator_ property
predictions = grid_rf_class.____._____(X_test)

# Take a look to confirm it worked, this should be an array of 1's and 0's
print(predictions[0:5])

# Now create a confusion matrix 
print("Confusion Matrix \n", confusion_matrix(y_test, ______))

# Get the ROC-AUC score
predictions_proba = grid_rf_class.best_estimator_.predict_proba(X_test)[:,1]
print("ROC-AUC Score \n", roc_auc_score(y_test, _____))
コードを編集して実行