Random Forest 하이퍼파라미터 탐색
어떤 하이퍼파라미터가 있고, 각 하이퍼파라미터가 어떤 영향을 미치는지 이해하는 것은 데이터 사이언티스트에게 핵심 역량입니다. 모델이 복잡해질수록 설정할 수 있는 옵션이 많아지지만, 그중 일부만이 모델에 큰 영향을 줍니다.
이제 기존 random forest 모델을 평가해 보고(하이퍼파라미터 선택이 썩 좋지 않습니다!), 더 나은 하이퍼파라미터를 사용한 새로운 random forest 모델을 만들고 그 성능을 확인해 보세요.
다음이 제공됩니다:
X_train,X_test,y_train,y_testDataFrame- 사전 학습된 기존 random forest 추정기
rf_clf_old - 기존 random forest 추정기의 테스트 세트 예측값
rf_old_predictions
이 연습은 강의의 일부입니다
Python에서의 하이퍼파라미터 튜닝
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Print out the old estimator, notice which hyperparameter is badly set
print(____)
# Get confusion matrix & accuracy for the old rf_model
print("Confusion Matrix: \n\n {} \n Accuracy Score: \n\n {}".format(
confusion_matrix(____, ____),
accuracy_score(____, ____)))