ComeçarComece de graça

Busca aleatória com Random Forest

Para consolidar seu conhecimento sobre amostragem aleatória, vamos fazer um exercício parecido, mas usando hiperparâmetros e um algoritmo diferentes.

Como antes, crie algumas listas de hiperparâmetros que possam ser combinadas em uma lista de listas. Você usará os hiperparâmetros criterion, max_depth e max_features do algoritmo de random forest. Em seguida, você fará uma amostragem aleatória de combinações de hiperparâmetros para se preparar para executar uma busca aleatória.

Você usará um pacote um pouco diferente para amostragem nesta tarefa, random.sample().

Este exercício faz parte do curso

Ajuste de Hiperparâmetros em Python

Ver curso

Instruções do exercício

  • Crie listas com os valores 'gini' e 'entropy' para criterion e "auto", "sqrt", "log2", None para max_features.
  • Crie uma lista de valores entre 3 e 55, inclusive, para o hiperparâmetro max_depth e atribua à lista max_depth_list. Lembre-se de que range(N,M) cria uma lista de N até M-1.
  • Combine essas listas em uma lista de listas da qual você vai amostrar usando product().
  • Faça a amostragem aleatória de 150 modelos da lista combinada e imprima o resultado.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Create lists for criterion and max_features
criterion_list = ____
max_feature_list = ____

# Create a list of values for the max_depth hyperparameter
max_depth_list = list(range(____,____))

# Combination list
combinations_list = [list(x) for x in product(____, ____, ____)]

# Sample hyperparameter combinations for a random search
combinations_random_chosen = random.sample(____, ____)

# Print the result
print(____)
Editar e executar o código