Strojenie wielu hiperparametrów jednocześnie
W tym ćwiczeniu przećwiczysz jednoczesne strojenie wielu hiperparametrów. To ważne zagadnienie, ponieważ hiperparametry algorytmu zazwyczaj wpływają na siebie nawzajem. Dlatego strojenie ich osobno zwykle nie jest zalecanym podejściem.
Dostosujesz parametry max_features i max_samples modelu IForest, korzystając z próbki danych sprzedażowych Big Mart.
IForest oraz airbnb_df są już wczytane. Dostępna jest również funkcja product z biblioteki itertools.
To ćwiczenie jest częścią kursu
Wykrywanie anomalii w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create two lists for max_features and max_samples
max_features = ____
max_samples = ____
scores = dict()