1. Lära sig
    2. /
  2. Courses
    3. /
  3. Python으로 설계하는 Machine Learning 워크플로
Connected

exercise

모델 복잡도를 위한 Grid search CV

이전 슬라이드에서 대부분의 분류기가 모델의 복잡도를 조절하는 하나 이상의 하이퍼파라미터를 가진다는 것을 보셨죠. 또 이를 GridSearchCV()로 튜닝하는 방법도 배웠습니다. 이번 연습에서는 그 기술을 확실히 익혀 보겠습니다. 다음을 실험해 볼게요:

  • RandomForestClassifier의 트리 개수인 n_estimators.
  • AdaBoostClassifier에서 사용하는 결정 트리의 최대 깊이 max_depth.
  • KNeighborsClassifier의 최근접 이웃 수 n_neighbors.

Instruktioner 1 / 3

undefined XP
  • 1

    코드 주석에 설명된 대로 파라미터 그리드를 정의하고, RandomForestClassifier()로 grid 객체를 생성하세요.

  • 2

    AdaBoostClassifier()에서 n_estimators를 최적화하도록 코드를 수정하세요.

  • 3

    KNeighborsClassifier()에서 n_neighbors를 최적화하도록 코드를 수정하세요.