RF のハイパーパラメータグリッドを設定する
この演習では、rf のハイパーパラメータをチューニングして最適な回帰器を見つけるために使うハイパーパラメータのグリッドを手動で設定します。具体的には、ハイパーパラメータのグリッドを作成し、推定器の数、各ノードを分割するときに使用する特徴量の最大数、そして各リーフあたりの最小サンプル数（またはその割合）をチューニングします。
この演習はコースの一部です
Pythonで学ぶ木ベースのMachine Learning
演習の手順
params_rfという名前の Python の辞書に対応するハイパーパラメータのグリッドを定義します。内容は次のとおりです。キー
'n_estimators'に値のリスト 100, 350, 500 を設定するキー
'max_features'に値のリスト 'log2', 'auto', 'sqrt' を設定するキー
'min_samples_leaf'に値のリスト 2, 10, 30 を設定する
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。
# Define the dictionary 'params_rf'
params_rf = ____