ÎncepețiÎncepe gratuit

Explorarea hiperparametrilor Random Forest

Înțelegerea hiperparametrilor disponibili și a impactului pe care îl au reprezintă o abilitate esențială pentru orice specialist în date. Pe măsură ce modelele devin mai complexe, există tot mai multe setări posibile, însă doar unele dintre ele vor influența semnificativ performanța modelului.

Vei analiza un model random forest existent (care are câțiva hiperparametri aleși greșit!), apoi vei face alegeri mai bune pentru un model nou și îi vei evalua performanța.

Vei avea la dispoziție:

  • DataFrame-urile X_train, X_test, y_train, y_test
  • Un estimator random forest pre-antrenat, rf_clf_old
  • Predicțiile estimatorului random forest existent pe setul de testare, rf_old_predictions

Acest exercițiu face parte din cursul

Ajustarea hiperparametrilor în Python

Vezi cursul

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Print out the old estimator, notice which hyperparameter is badly set
print(____)

# Get confusion matrix & accuracy for the old rf_model
print("Confusion Matrix: \n\n {} \n Accuracy Score: \n\n {}".format(
  	confusion_matrix(____, ____),
  	accuracy_score(____, ____)))
Editează și rulează codul