Modellresultat med GridSearchCV
Du har tagit fram de optimala parametrarna för din modell: uppdelningskriteriet ska vara 'gini', antalet estimatorer (träd) ska vara 30, modellens maximala djup ska vara 8 och maximalt antal särdrag ska vara "log2".
Låt oss testa detta och se hur väl modellen presterar. Du kan använda funktionen get_model_results() igen för att spara tid.
Den här övningen är en del av kursen
Bedrägeridetektering i Python
Övningsinstruktioner
- Ange de optimala inställningarna i modelldefinitionen.
- Träna modellen, hämta prediktioner och utvärdera prestandan med
get_model_results().
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Input the optimal parameters in the model
model = RandomForestClassifier(class_weight={0:1,1:12}, ____='____',
____=____, ____='log2', min_samples_leaf=10, ____=____, n_jobs=-1, random_state=5)
# Get results from your model
get_model_results(____, ____, ____, ____, ____)