ÎncepețiÎncepe gratuit

Caută pădurea optimă

În acest exercițiu, vei efectua un grid search folosind validare încrucișată cu 3 folduri pentru a găsi hiperparametrii optimi ai modelului rf. Pentru a evalua fiecare model din grilă, vei folosi metrica eroare medie pătratică negativă.

Reține că, deoarece grid search-ul este un proces de căutare exhaustivă, antrenarea modelului poate dura destul de mult. Aici vei instanția doar obiectul GridSearchCV, fără a-l antrena pe setul de antrenament. Așa cum s-a discutat în videoclip, poți antrena un astfel de obiect similar cu orice estimator scikit-learn, folosind metoda .fit():

grid_object.fit(X_train, y_train)

Modelul de regresie Random Forest neoptimizat rf, precum și dicționarul params_rf definit în exercițiul anterior sunt disponibile în spațiul tău de lucru.

Acest exercițiu face parte din cursul

Machine Learning cu modele bazate pe arbori în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă GridSearchCV din sklearn.model_selection.

  • Instanțiază un obiect GridSearchCV folosind validare încrucișată cu 3 folduri și eroarea medie pătratică negativă ca metrică de scoring.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import GridSearchCV
____

# Instantiate grid_rf
grid_rf = ____(estimator=____,
                       param_grid=____,
                       scoring=____,
                       cv=____,
                       verbose=1,
                       n_jobs=-1)
Editează și rulează codul