НачатьНачать бесплатно

Поиск оптимального дерева

В этом упражнении вы выполните поиск по сетке с 5-кратной кросс-валидацией, чтобы найти оптимальные гиперпараметры для dt. Обратите внимание: поиск по сетке — это исчерпывающий процесс, поэтому обучение модели может занять значительное время. Здесь вам нужно только создать объект GridSearchCV, не обучая его на тренировочных данных. Как было показано в видео, такой объект можно обучить так же, как любую модель scikit-learn, с помощью метода .fit():

grid_object.fit(X_train, y_train)

В вашем рабочем пространстве уже доступны ненастроенное дерево классификации dt и словарь params_dt, который вы определили в предыдущем упражнении.

Это упражнение является частью курса

Машинное обучение на основе древовидных моделей в Python

Посмотреть курс

Инструкции к упражнению

  • Импортируйте GridSearchCV из sklearn.model_selection.

  • Создайте объект GridSearchCV с 5-кратной кросс-валидацией, задав следующие параметры:

    • estimator равным dt, param_grid равным params_dt и

    • scoring равным 'roc_auc'.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import GridSearchCV
____

# Instantiate grid_dt
grid_dt = ____(estimator=____,
                       param_grid=____,
                       scoring=____,
                       cv=____,
                       n_jobs=-1)
Редактировать и запускать код