시작하기무료로 시작하기

Scikit Learn에서의 GridSearchCV

Scikit Learn의 GridSearchCV 모듈은 그리드 서치를 효율적으로 수행하는 데 도움이 되는 유용한 기능을 많이 제공합니다. 이제 특정 매개변수로 GridSearchCV 객체를 만들어 배운 내용을 실습해 보세요.

요구되는 옵션은 다음과 같아요:

  • 분할 기준이 'entropy'인 Random Forest 추정기
  • 5-겹 교차 검증
  • 하이퍼파라미터 max_depth (2, 4, 8, 15)와 max_features ('auto' vs 'sqrt')
  • 모델 평가는 roc_auc 사용
  • 병렬 처리 시 코어 4개 사용
  • 최적 모델을 다시 학습(refit)하고 학습 점수를 반환하도록 설정

사용 가능한 데이터셋은 X_train, X_test, y_train, y_test 입니다.

이 연습은 강의의 일부입니다

Python에서의 하이퍼파라미터 튜닝

강의 보기

연습 안내

  • 위 컨텍스트에 명시된 대로 Random Forest 추정기를 생성하세요.
  • 위 컨텍스트에 명시된 대로 파라미터 그리드를 만드세요.
  • 앞서 만든 두 요소를 사용해, 컨텍스트에 제시된 설정으로 GridSearchCV 객체를 생성하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Create a Random Forest Classifier with specified criterion
rf_class = RandomForestClassifier(____=____)

# Create the parameter grid
param_grid = {____: ____, ____: ____} 

# Create a GridSearchCV object
grid_rf_class = GridSearchCV(
    estimator=____,
    param_grid=____,
    scoring=____,
    n_jobs=____,
    cv=____,
    refit=____, return_train_score=____)
print(grid_rf_class)
코드 편집 및 실행