ÎncepețiÎncepe gratuit

Pregătirea pentru RandomizedSearch

Semestrul trecut, profesorul tău v-a provocat să construiți un model predictiv pentru a prezice scorurile la examenul final. Ai încercat mai multe modele diferite, selectând aleatoriu hiperparametrii. Însă fiecare model a trebuit să fie codificat individual.

După ce ai aflat despre RandomizedSearchCV(), revii la provocarea profesorului pentru a construi cel mai bun model. În acest exercițiu, vei pregăti cele trei elemente necesare pentru a efectua o căutare aleatorie.

Acest exercițiu face parte din cursul

Validarea modelelor în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Finalizează dicționarul de parametri adăugând o listă pentru parametrul max_depth cu opțiunile 2, 4, 6 și 8.
  • Creează un model de regresie de tip pădure aleatorie cu zece arbori și un random_state de 1111.
  • Creează un scorer bazat pe eroarea pătratică medie pentru a-l utiliza.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import make_scorer, mean_squared_error

# Finish the dictionary by adding the max_depth parameter
param_dist = {"____": [____],
              "max_features": [2, 4, 6, 8, 10],
              "min_samples_split": [2, 4, 8, 16]}

# Create a random forest regression model
rfr = ____(____=10, ____=1111)

# Create a scorer to use (use the mean squared error)
scorer = ____(____)
Editează și rulează codul