ÎncepețiÎncepe gratuit

Căutare aleatorie cu Random Forest

Pentru a-ți consolida cunoștințele despre eșantionarea aleatorie, hai să exersăm cu alți hiperparametri și un alt algoritm.

Ca și înainte, creează câteva liste de hiperparametri care pot fi combinate într-o listă de liste. Vei folosi hiperparametrii criterion, max_depth și max_features ai algoritmului de pădure aleatorie. Apoi vei eșantiona aleatoriu combinații de hiperparametri, pregătindu-te astfel pentru rularea unei căutări aleatorie.

Vei folosi un pachet ușor diferit pentru eșantionare în această sarcină: random.sample().

Acest exercițiu face parte din cursul

Ajustarea hiperparametrilor în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează liste cu valorile 'gini' și 'entropy' pentru criterion, respectiv "auto", "sqrt", "log2", None pentru max_features.
  • Creează o listă cu valori între 3 și 55 inclusiv pentru hiperparametrul max_depth și atribuie-o listei max_depth_list. Reține că range(N,M) creează o listă de la N până la M-1.
  • Combină aceste liste într-o listă de liste din care să eșantionezi, folosind product().
  • Eșantionează aleatoriu 150 de modele din lista combinată și afișează rezultatul.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create lists for criterion and max_features
criterion_list = ____
max_feature_list = ____

# Create a list of values for the max_depth hyperparameter
max_depth_list = list(range(____,____))

# Combination list
combinations_list = [list(x) for x in product(____, ____, ____)]

# Sample hyperparameter combinations for a random search
combinations_random_chosen = random.sample(____, ____)

# Print the result
print(____)
Editează și rulează codul