Modelresultaten met GridSearchCV
Je hebt ontdekt dat de beste parameters voor je model zijn: het splitscriterium moet worden ingesteld op 'gini', het aantal schatters (bomen) moet 30 zijn, de maximale diepte van het model moet 8 zijn en het maximale aantal features moet worden ingesteld op "log2".
Laten we dit proberen en kijken hoe goed ons model presteert. Je kunt de functie get_model_results() opnieuw gebruiken om tijd te besparen.
Deze oefening maakt deel uit van de cursus
Fraudedetectie in Python
Oefeninstructies
- Vul de optimale instellingen in bij de modeldefinitie.
- Fit het model, verkrijg voorspellingen en haal de prestatieparameters op met
get_model_results().
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Input the optimal parameters in the model
model = RandomForestClassifier(class_weight={0:1,1:12}, ____='____',
____=____, ____='log2', min_samples_leaf=10, ____=____, n_jobs=-1, random_state=5)
# Get results from your model
get_model_results(____, ____, ____, ____, ____)