ComeçarComece gratuitamente

Busca da árvore ideal

Neste exercício, você realizará uma pesquisa de grade usando validação cruzada 5 vezes para encontrar os hiperparâmetros ideais de dt. Observe que, como a pesquisa em grade é um processo exaustivo, pode levar muito tempo para treinar o modelo. Aqui você só instanciará o objeto GridSearchCV sem ajustá-lo ao conjunto de treinamento. Conforme discutido no vídeo, você pode treinar esse objeto de forma semelhante a qualquer estimador do scikit-learn usando o método .fit():

grid_object.fit(X_train, y_train)

Uma árvore de classificação não ajustada dt, bem como o dicionário params_dt que você definiu no exercício anterior, estão disponíveis no seu espaço de trabalho.

Este exercício faz parte do curso

Aprendizado de máquina com modelos baseados em árvores em Python

Ver Curso

Instruções de exercício

  • Importe GridSearchCV de sklearn.model_selection.

  • Instancie um objeto GridSearchCV usando CV 5 vezes, definindo os parâmetros:

    • estimator para dt, param_grid para params_dt e

    • scoring para 'roc_auc'.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# Import GridSearchCV
____

# Instantiate grid_dt
grid_dt = ____(estimator=____,
                       param_grid=____,
                       scoring=____,
                       cv=____,
                       n_jobs=-1)
Editar e executar código