始める無料で始める

RandomizedSearch に向けた準備

前学期、担当教授から最終試験の得点を予測するための予測モデルを作るよう課題が出されました。あなたはハイパーパラメータをランダムに選んでいくつかのモデルを試しましたが、各モデルを実行するには個別にコードを書く必要がありました。

RandomizedSearchCV() を学んだ今、最良のモデルを作るという教授の課題に再挑戦します。この演習では、ランダムサーチを完了するために必要な3つの入力を準備します。

この演習はコースの一部です

Python によるモデル検証

コースを見る

演習の手順

  • max_depth パラメータに 2、4、6、8 の選択肢を持つリストを追加して、パラメータ辞書を完成させてください。
  • 木の本数を10、random_state を 1111 にして、ランダムフォレストの回帰モデルを作成してください。
  • 使用する平均二乗誤差のスコアラー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。

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import make_scorer, mean_squared_error

# Finish the dictionary by adding the max_depth parameter
param_dist = {"____": [____],
              "max_features": [2, 4, 6, 8, 10],
              "min_samples_split": [2, 4, 8, 16]}

# Create a random forest regression model
rfr = ____(____=10, ____=1111)

# Create a scorer to use (use the mean squared error)
scorer = ____(____)
コードを編集して実行