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

ćwiczenie

Wykorzystanie najlepszych wyników

Analiza wyników przeszukiwania siatki jest ciekawa, ale nasz ostateczny cel jest praktyczny – chcemy generować predykcje na zbiorze testowym za pomocą obiektu estymatora.

Dostęp do tego obiektu uzyskamy przez właściwość best_estimator_ naszego obiektu przeszukiwania siatki.

Przyjrzyjmy się zawartości właściwości best_estimator_, wykonajmy predykcje i obliczmy miary oceny. Na początek użyjemy domyślnej metody predict (zwracającej predykcje klas), a następnie sięgniemy po predict_proba zamiast predict, aby obliczyć wynik ROC-AUC – ta miara wymaga bowiem prawdopodobieństw. Używamy wycinka [:,1], aby uzyskać prawdopodobieństwa klasy pozytywnej.

Do dyspozycji masz zbiory danych X_test i y_test oraz obiekt grid_rf_class z poprzednich ćwiczeń.

Instrukcje

100 XP
  • Sprawdź typ właściwości best_estimator_.
  • Użyj właściwości best_estimator_, aby wygenerować predykcje na zbiorze testowym.
  • Oblicz macierz pomyłek i wynik ROC_AUC na podstawie tych predykcji.