始める無料で始める

Scikit Learn での GridSearchCV

Scikit Learn の GridSearchCV モジュールには、グリッドサーチを効率的に実行するための便利な機能が多数用意されています。ここでは、指定されたパラメーターで GridSearchCV オブジェクトを作成して、学んだ内容を実践します。

必要なオプションは次のとおりです。

  • 分割基準を 'entropy' にした Random Forest 推定器
  • 5 分割の交差検証
  • ハイパーパラメーター max_depth (2, 4, 8, 15) と max_features ('auto' と 'sqrt')
  • モデルの評価には roc_auc を使用
  • 並列処理に 4 コアを使用
  • 最良モデルで再学習（refit）し、学習時のスコアも返すこと

X_train、X_test、y_train、y_test の各データセットが利用可能です。

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

  • 上のコンテキストで指定されたとおりに Random Forest の推定器を作成してください。
  • 上のコンテキストで指定されたとおりにパラメーターグリッドを作成してください。
  • 直前の2つの手順で作成した要素を使い、上のコンテキストに沿って GridSearchCV オブジェクトを作成してください。

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。

# Create a Random Forest Classifier with specified criterion
rf_class = RandomForestClassifier(____=____)

# Create the parameter grid
param_grid = {____: ____, ____: ____} 

# Create a GridSearchCV object
grid_rf_class = GridSearchCV(
    estimator=____,
    param_grid=____,
    scoring=____,
    n_jobs=____,
    cv=____,
    refit=____, return_train_score=____)
print(grid_rf_class)
コードを編集して実行