1. เรียนรู้
    2. /
  2. Courses
    3. /
  3. Python으로 배우는 사기 탐지
Connected

Exercises

최적 하이퍼파라미터를 찾는 GridSearchCV

이번 연습에서는 모델을 무작위에 덜 의존하도록, GridSearchCV를 사용해 체계적으로 하이퍼파라미터를 조정해 보겠습니다.

GridSearchCV를 사용하면 옵션을 평가할 때 어떤 성능 지표를 사용할지 지정할 수 있어요. 사기 탐지에서는 가능한 한 많은 사기 사례를 잡아내는 것이 중요하므로, 모델 설정을 재현율(Recall)을 최대로 하도록 최적화할 수 있습니다. 만약 거짓 양성도 줄이고 싶다면 F1-score로 최적화할 수도 있어요. 이렇게 하면 정밀도-재현율 간의 균형을 잘 맞출 수 있습니다.

GridSearchCV는 이미 sklearn.model_selection에서 가져와 두었으니, 바로 시도해 볼까요?

คำแนะนำ

100 XP
  • 파라미터 그리드에는 트리 개수로 1과 30을, 분할 기준으로 gini와 entropy를 시도하도록 정의하세요.
  • 비교를 가능하게 하려면 random_state를 5로 고정한 단순한 RandomForestClassifier 모델을 정의하세요.
  • 재현율을 최적화하도록 scoring 옵션을 recall로 설정하세요.
  • 학습 데이터 X_train, y_train에 적합하고, 모델의 최적 파라미터를 얻으세요.