Случайный поиск с использованием Random Forest
Чтобы закрепить понимание случайной выборки, выполните похожее упражнение — но с другими гиперпараметрами и другим алгоритмом.
Как и прежде, создайте списки гиперпараметров, которые можно объединить в список списков. Вы будете использовать гиперпараметры criterion, max_depth и max_features алгоритма случайного леса. Затем случайным образом отберите комбинации гиперпараметров для последующего случайного поиска.
В этом задании для выборки используется немного другой пакет — random.sample().
Это упражнение является частью курса
Подбор гиперпараметров в Python
Инструкции к упражнению
- Создайте списки значений
'gini'и'entropy'дляcriterion, а также"auto", "sqrt", "log2", Noneдляmax_features. - Создайте список значений от 3 до 55 включительно для гиперпараметра
max_depthи присвойте его переменнойmax_depth_list. Помните, чтоrange(N,M)создаёт список отNдоM-1. - Объедините эти списки в список списков для выборки с помощью
product(). - Случайным образом отберите 150 моделей из объединённого списка и выведите результат.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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(____)