始める無料で始める

最適な木を探す

この演習では、5分割の交差検証を使ったグリッドサーチで、dt の最適なハイパーパラメータを探します。グリッドサーチは総当たりで探索するため、学習に時間がかかる場合があります。ここでは、学習は行わず、GridSearchCV オブジェクトのインスタンス化のみを行います。動画で説明したとおり、このオブジェクトは任意の scikit-learn 推定器と同様に .fit() メソッドで学習できます。

grid_object.fit(X_train, y_train)

未調整の分類木 dt と、前の演習で定義した辞書 params_dt は、ワークスペースに用意されています。

この演習はコースの一部です

Pythonで学ぶ木ベースのMachine Learning

コースを見る

演習の手順

  • sklearn.model_selection から GridSearchCV をインポートします。

  • 次のパラメータを設定し、5分割CVで GridSearchCV オブジェクトをインスタンス化します。

    • estimator に dt、param_grid に params_dt

    • scoring に 'roc_auc' を指定します。

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 GridSearchCV
____

# Instantiate grid_dt
grid_dt = ____(estimator=____,
                       param_grid=____,
                       scoring=____,
                       cv=____,
                       n_jobs=-1)
コードを編集して実行