Ajustarea altor hiperparametri
Puterea lui GridSearchCV se vede cu adevărat atunci când ajustezi mai mulți hiperparametri simultan – algoritmul încearcă toate combinațiile posibile pentru a o identifica pe cea mai bună. Aici vei ajusta următorii hiperparametri ai pădurii aleatoare:
| Hiperparametru | Scop |
|---|---|
| criterion | Calitatea divizării |
| max_features | Numărul de caracteristici pentru cea mai bună divizare |
| max_depth | Adâncimea maximă a arborelui |
| bootstrap | Dacă se folosesc eșantioane bootstrap |
Gridul de hiperparametri a fost definit pentru tine, împreună cu un clasificator de tip pădure aleatoare numit clf.
Acest exercițiu face parte din cursul
Marketing Analytics: Predicția abandonului clienților în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import GridSearchCV
from sklearn.model_selection import GridSearchCV
# Create the hyperparameter grid
param_grid = {"max_depth": [3, None],
"max_features": [1, 3, 10],
"bootstrap": [True, False],
"criterion": ["gini", "entropy"]}
# Call GridSearchCV
grid_search = ____(___,___,cv=3)