Losowe przeszukiwanie z Random Forest

Aby utrwalić wiedzę o losowym próbkowaniu, wykonaj podobne ćwiczenie – tym razem z innymi hiperparametrami i innym algorytmem.

Podobnie jak wcześniej, utwórz listy hiperparametrów, które można połączyć w listę list. Użyjesz hiperparametrów criterion, max_depth i max_features algorytmu Random Forest. Następnie wylosujesz kombinacje hiperparametrów, aby przygotować się do uruchomienia losowego przeszukiwania.

W tym zadaniu do próbkowania użyjesz nieco innego narzędzia: random.sample().

Utwórz listy wartości 'gini' i 'entropy' dla criterion oraz "auto", "sqrt", "log2", None dla max_features.
Utwórz listę wartości z zakresu od 3 do 55 włącznie dla hiperparametru max_depth i przypisz ją do zmiennej max_depth_list. Pamiętaj, że range(N,M) tworzy listę od N do M-1.
Połącz te listy w listę list do próbkowania, korzystając z funkcji product().
Wylosuj 150 modeli z połączonej listy i wyświetl wynik.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

ćwiczenie