Implementando o GridSearch

Agora você pode usar a função GridSearchCV() do sklearn para encontrar a melhor combinação de todos os valores de max_depth e min_samples_leaf que você gerou no exercício anterior.

Este exercício faz parte do curso

HR Analytics: prevendo rotatividade de funcionários em Python

Ver curso

Instruções do exercício

Importe a função GridSearchCV
Aplique uma GridSearchCV() ao seu model usando o dicionário parameters que você definiu anteriormente. Salve isso como param_search.
Faça o ajuste de param_search ao conjunto de dados de treino.
Imprima os melhores parâmetros encontrados usando o atributo best_params_.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# import the GridSearchCV function
from sklearn.model_selection import ____

# set up parameters: done
parameters = dict(max_depth=depth, min_samples_leaf=samples)

# initialize the param_search function using the GridSearchCV function, initial model and parameters above
param_search = ____(model, parameters, cv=3)

# fit the param_search to the training dataset
____.fit(features_train, target_train)

# print the best parameters found
print(param_search.____)

Editar e executar o código