Meerdere hyperparameters tunen
In deze oefening ga je meerdere hyperparameters tegelijk tunen. Dit is waardevol om te leren, omdat hyperparameters van een algoritme meestal elkaars effect beïnvloeden. Daarom is ze afzonderlijk tunen meestal niet aan te raden.
Je gaat de parameters max_features en max_samples van IForest tunen met een steekproef van de Big Mart-verkoopgegevens.
IForest en airbnb_df zijn al voor je geladen. De functie product uit itertools is ook beschikbaar.
Deze oefening maakt deel uit van de cursus
Anomaly Detection in Python
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Create two lists for max_features and max_samples
max_features = ____
max_samples = ____
scores = dict()