Настройка других гиперпараметров
Возможности GridSearchCV раскрываются в полной мере при настройке нескольких гиперпараметров одновременно: алгоритм перебирает все возможные комбинации и находит наилучшую. В этом упражнении вы настроите следующие гиперпараметры случайного леса:
| Гиперпараметр | Назначение |
|---|---|
| criterion | Критерий качества разбиения |
| max_features | Количество признаков для лучшего разбиения |
| max_depth | Максимальная глубина дерева |
| bootstrap | Использование бутстрэп-выборок |
Сетка гиперпараметров уже задана, как и классификатор случайного леса clf.
Это упражнение является частью курса
Маркетинговая аналитика: прогнозирование оттока клиентов на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)