1. 학습
    2. /
  2. 강의
    3. /
  3. 마케팅 애널리틱스: Python으로 고객 이탈 예측하기
Connected

연습 문제

다른 하이퍼파라미터 튜닝하기

GridSearchCV의 진가는 여러 하이퍼파라미터를 동시에 튜닝할 때 발휘됩니다. 이렇게 하면 알고리즘이 가능한 하이퍼파라미터 조합을 모두 시도해 최적의 조합을 찾아요. 여기서는 다음 random forest 하이퍼파라미터를 튜닝합니다:

Hyperparameter Purpose
criterion 분할의 품질
max_features 최적 분할에 사용할 특성 개수
max_depth 트리의 최대 깊이
bootstrap 부트스트랩 샘플 사용 여부

하이퍼파라미터 그리드는 이미 지정되어 있으며, clf라는 random forest 분류기도 준비되어 있습니다.

지침 1/3

undefined XP
    1
    2
    3
  • clf와 param_grid를 사용해 GridSearchCV 객체를 생성하세요.