เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ผลลัพธ์ของโมเดลโดยใช้ GridSearchCV

จากการค้นหาพบว่า พารามิเตอร์ที่ดีที่สุดสำหรับโมเดล คือ criterion ควรตั้งเป็น 'gini', จำนวน estimator (ต้นไม้) ควรเป็น 30, ความลึกสูงสุดของโมเดลควรเป็น 8 และจำนวน feature สูงสุดควรตั้งเป็น "log2"

มาลองใช้ค่าเหล่านี้และดูว่าโมเดลทำงานได้ดีแค่ไหน โดยสามารถใช้ฟังก์ชัน get_model_results() เพื่อประหยัดเวลาได้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การตรวจจับการฉ้อโกงด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ป้อนค่าพารามิเตอร์ที่เหมาะสมที่สุดลงในนิยามของโมเดล
  • Fit โมเดล, รับค่าการพยากรณ์ และดูค่าประสิทธิภาพด้วย get_model_results()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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(____, ____, ____, ____, ____)
แก้ไขและรันโค้ด