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

ćwiczenie

GridSearchCV z biblioteką Scikit Learn

Moduł GridSearchCV z biblioteki Scikit Learn oferuje wiele przydatnych funkcji, które ułatwiają efektywne przeprowadzanie przeszukiwania siatki. Czas zastosować zdobytą wiedzę w praktyce – stwórz obiekt GridSearchCV z odpowiednimi parametrami.

Wymagane opcje:

  • Estymator Random Forest z kryterium podziału ustawionym na 'entropy'
  • 5-krotna walidacja krzyżowa
  • Hiperparametry max_depth (2, 4, 8, 15) oraz max_features ('auto' kontra 'sqrt')
  • Ocenianie modeli za pomocą roc_auc
  • Przetwarzanie równoległe na 4 rdzeniach
  • Ponowne dopasowanie najlepszego modelu i zwracanie wyników treningowych

Do dyspozycji masz zbiory danych: X_train, X_test, y_train i y_test.

Instrukcje

100 XP
  • Utwórz estymator Random Forest zgodnie ze specyfikacją podaną powyżej.
  • Utwórz siatkę parametrów zgodnie ze specyfikacją podaną powyżej.
  • Utwórz obiekt GridSearchCV zgodnie z powyższym opisem, korzystając z dwóch elementów stworzonych w poprzednich dwóch krokach.