Ajustando o número de features

Os hiperparâmetros padrão usados pelos seus modelos não são otimizados para o seu conjunto de dados. O objetivo do grid search com validação cruzada é identificar os hiperparâmetros que levam ao melhor desempenho do modelo. No vídeo, você viu como o hiperparâmetro n_estimators da random forest foi ajustado. Aqui, você vai praticar o ajuste do hiperparâmetro max_features. O hiperparâmetro cv está definido como 3 para que o código execute rapidamente.

Hyperparameter	Purpose
max_features	Number of features for best split

Uma random forest é um ensemble de muitas árvores de decisão. O hiperparâmetro n_estimators controla o número de árvores usadas na floresta, enquanto o hiperparâmetro max_features controla quantas features a random forest deve considerar ao buscar a melhor divisão em cada árvore de decisão.

Um classificador de random forest já foi instanciado para você como clf.