1. 学ぶ
    2. /
  2. コース
    3. /
  3. Python에서의 하이퍼파라미터 튜닝
Connected

演習

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.

指示

100 XP
  • 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.