O método mais comum de ajuste de hiperparâmetros é a busca em grade (grid search). Esse método cria uma grade de ajuste com combinações exclusivas de valores de hiperparâmetros e usa validação cruzada para avaliar o desempenho. O objetivo do ajuste de hiperparâmetros é encontrar a combinação ideal de valores para maximizar o desempenho do modelo.

Neste exercício, você vai criar uma grade aleatória de hiperparâmetros e ajustar o seu modelo de árvore de decisão para os dados de empréstimos.

Suas dobras de validação cruzada, loans_folds, o objeto workflow, loans_tune_wkfl, a função de métricas personalizada, loans_metrics, e o dt_tune_model já foram carregados na sua sessão.

Parabéns!

Create Your Free Account