1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe z modelami drzewiastymi w Pythonie
Connected

ćwiczenie

Szukaj optymalnego drzewa

W tym ćwiczeniu przeprowadzisz przeszukiwanie siatki (grid search) z użyciem 5-krotnej kroswalidacji, aby znaleźć optymalne hiperparametry modelu dt. Pamiętaj, że przeszukiwanie siatki jest procesem wyczerpującym i trenowanie modelu może zająć sporo czasu. W tym zadaniu tylko utworzysz obiekt GridSearchCV, bez dopasowywania go do zbioru treningowego. Jak omówiono w filmie, taki obiekt możesz wytrenować tak samo jak każdy estymator scikit-learn – za pomocą metody .fit():

grid_object.fit(X_train, y_train)

W twoim środowisku dostępne są: niedostrojone drzewo klasyfikacyjne dt oraz słownik params_dt zdefiniowany w poprzednim ćwiczeniu.

Instrukcje

100 XP

  • Zaimportuj GridSearchCV z sklearn.model_selection.

  • Utwórz obiekt GridSearchCV z 5-krotną kroswalidacją, ustawiając następujące parametry:

    • estimator na dt, param_grid na params_dt oraz

    • scoring na 'roc_auc'.