1. Learn
    2. /
  2. Cursuri
    3. /
  3. Proiectarea fluxurilor de lucru pentru Machine Learning în Python
Connected

exercițiu

Grid search CV pentru complexitatea modelului

În ultimul slide, ai văzut cum majoritatea clasificatorilor au unul sau mai mulți hiperparametri care le controlează complexitatea. Ai învățat, de asemenea, să îi ajustezi folosind GridSearchCV(). În acest exercițiu, vei perfecționa această abilitate. Vei experimenta cu:

  • Numărul de arbori, n_estimators, într-un RandomForestClassifier.
  • Adâncimea maximă, max_depth, a arborilor de decizie folosiți într-un AdaBoostClassifier.
  • Numărul de vecini cei mai apropiați, n_neighbors, în KNeighborsClassifier.

Instrucțiuni 1/3

undefined XP
  • 1

    Definește grila de parametri conform comentariului din cod și creează un obiect grid cu un RandomForestClassifier().

  • 2

    Adaptează-ți codul pentru a optimiza n_estimators pentru un AdaBoostClassifier().

  • 3

    Adaptează-ți codul pentru a optimiza n_neighbors pentru un KNeighborsClassifier().