НачатьНачать бесплатно

Изучение результатов поискового перебора

Теперь вы изучите свойство cv_results_ объекта GridSearchCV, определённого в видео. Это словарь, который можно преобразовать в DataFrame библиотеки pandas. Он содержит подробную информацию о выполненном поисковом переборе.

Напомним типы столбцов этого свойства:

  • столбцы time_
  • столбцы param_ (по одному на каждый гиперпараметр) и отдельный столбец params (со всеми настройками гиперпараметров)
  • столбец train_score для каждого блока кросс-валидации, включая столбцы mean_train_score и std_train_score
  • столбец test_score для каждого блока кросс-валидации, включая столбцы mean_test_score и std_test_score
  • столбец rank_test_score с числом от 1 до n (количество итераций), ранжирующим строки по значению mean_test_score

Это упражнение является частью курса

Подбор гиперпараметров в Python

Посмотреть курс

Инструкции к упражнению

  • Считайте свойство cv_results_ объекта GridSearchCV grid_rf_class в DataFrame и выведите его целиком для проверки.
  • Извлеките и выведите отдельный столбец, содержащий словарь со всеми гиперпараметрами, использованными в каждой итерации поискового перебора.
  • Извлеките и выведите строку с наилучшим средним тестовым показателем, используя индексацию по столбцу rank_test_score.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Read the cv_results property into a dataframe & print it out
cv_results_df = pd.DataFrame(grid_rf_class.____)
print(____)

# Extract and print the column with a dictionary of hyperparameters used
column = cv_results_df.loc[:, [____]]
print(____)

# Extract and print the row that had the best mean test score
best_row = cv_results_df[cv_results_df[____] == ____ ]
print(best_row)
Редактировать и запускать код