1. Nauka
    2. /
  2. Kursy
    3. /
  3. Strojenie hiperparametrów w Pythonie
Connected

ćwiczenie

Analiza najlepszych wyników

Na końcu dnia najbardziej zależy nam na tym, które „pole" w przeszukiwaniu siatki (grid search) wypadło najlepiej. Na szczęście obiekty gridSearchCv w Scikit Learn udostępniają szereg parametrów z kluczowymi informacjami dotyczącymi właśnie najlepszego pola (lub wiersza w cv_results_).

Trzy właściwości, które przeanalizujesz:

  • best_score_ – wynik (tutaj ROC_AUC) uzyskany przez najlepiej oceniane pole.
  • best_index_ – indeks wiersza w cv_results_ zawierającego informacje o najlepszym polu.
  • best_params_ – słownik parametrów, które dały najlepszy wynik, na przykład 'max_depth': 10

Obiekt przeszukiwania siatki grid_rf_class jest dostępny.

W wierszu 6 został już dla ciebie utworzony ramka danych (cv_results_df) na podstawie cv_results_. Pomoże ci ona w indeksowaniu wyników.

Instrukcje

100 XP
  • Wyodrębnij i wyświetl wynik ROC_AUC z najlepiej ocenianego pola w grid_rf_class.
  • Utwórz zmienną z najlepszego wiersza, używając indeksowania w cv_results_df.
  • Utwórz zmienną best_n_estimators, wyodrębniając parametr n_estimators z najlepszego pola w grid_rf_class, a następnie wyświetl jej wartość.