เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

กำหนด Hyperparameter Grid ของ RF

ในแบบฝึกหัดนี้ คุณจะกำหนด grid ของ hyperparameter ด้วยตนเองเพื่อใช้ปรับจูน hyperparameter ของ rf และค้นหา regressor ที่ดีที่สุด โดยจะสร้าง grid ของ hyperparameter เพื่อปรับจูนจำนวน estimator, จำนวน feature สูงสุดที่ใช้ในการแบ่งแต่ละ node และจำนวนขั้นต่ำของ sample (หรือสัดส่วน) ต่อ leaf

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนด grid ของ hyperparameter ในรูปแบบ Python dictionary ชื่อ params_rf โดยมี:

    • key 'n_estimators' กำหนดเป็น list ของค่า 100, 350, 500

    • key 'max_features' กำหนดเป็น list ของค่า 'log2', 'auto', 'sqrt'

    • key 'min_samples_leaf' กำหนดเป็น list ของค่า 2, 10, 30

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Define the dictionary 'params_rf'
params_rf = ____
แก้ไขและรันโค้ด