Wyniki modelu z użyciem GridSearchCV
Udało się ustalić optymalne parametry modelu: kryterium podziału to 'gini', liczba estymatorów (drzew) wynosi 30, maksymalna głębokość modelu to 8, a maksymalna liczba cech powinna być ustawiona na "log2".
Sprawdźmy teraz, jak dobrze działa tak skonfigurowany model. Możesz ponownie użyć funkcji get_model_results(), aby zaoszczędzić czas.
To ćwiczenie jest częścią kursu
Wykrywanie oszustw w Pythonie
Instrukcje do ćwiczenia
- Wprowadź optymalne ustawienia do definicji modelu.
- Dopasuj model, uzyskaj predykcje i sprawdź parametry wydajności za pomocą
get_model_results().
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(____, ____, ____, ____, ____)