Dostrajanie liczby cech

Domyślne hiperparametry używane przez modele nie są zoptymalizowane pod kątem twoich danych. Celem kroswalidacji przeszukiwania siatki jest wyznaczenie hiperparametrów prowadzących do optymalnej wydajności modelu. W lekcji wideo zobaczyłeś, jak dostrajano hiperparametr n_estimators lasu losowego. Tutaj przećwiczysz dostrajanie hiperparametru max_features. Hiperparametr cv ustawiono na 3, aby kod wykonywał się szybko.

Hiperparametr	Przeznaczenie
max_features	Liczba cech dla najlepszego podziału

Las losowy to zbiór wielu drzew decyzyjnych. Hiperparametr n_estimators kontroluje liczbę drzew w lesie, natomiast hiperparametr max_features określa, ile cech las losowy powinien brać pod uwagę przy szukaniu najlepszego podziału w drzewie decyzyjnym.

Klasyfikator lasu losowego został już zainicjalizowany jako clf.

Zaimportuj GridSearchCV z modułu sklearn.model_selection.

ćwiczenie

Dostrajanie liczby cech

Instrukcje 1/4

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

Instrukcje 1/4

ćwiczenie