เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เตรียมความพร้อมสำหรับ RandomizedSearch

เทอมที่แล้วอาจารย์ท้าทายให้ชั้นเรียนสร้างโมเดลพยากรณ์คะแนนสอบปลายภาค คุณลองรันโมเดลหลายแบบโดยเลือกไฮเปอร์พารามิเตอร์แบบสุ่ม แต่การรันแต่ละโมเดลต้องเขียนโค้ดแยกกันทีละอัน

หลังจากได้เรียนรู้เกี่ยวกับ RandomizedSearchCV() ก็ถึงเวลากลับมารับมือกับโจทย์ท้าทายของอาจารย์อีกครั้ง ในแบบฝึกหัดนี้ จะเตรียม input ที่จำเป็นทั้ง 3 อย่างสำหรับการทำ random search

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การตรวจสอบความถูกต้องของโมเดลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สรุป parameter dictionary โดยเพิ่ม list สำหรับพารามิเตอร์ max_depth ที่มีตัวเลือก 2, 4, 6 และ 8
  • สร้างโมเดล random forest regression ที่มีต้นไม้สิบต้นและกำหนด random_state เป็น 1111
  • สร้าง scorer สำหรับ mean squared error เพื่อนำไปใช้งาน

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import make_scorer, mean_squared_error

# Finish the dictionary by adding the max_depth parameter
param_dist = {"____": [____],
              "max_features": [2, 4, 6, 8, 10],
              "min_samples_split": [2, 4, 8, 16]}

# Create a random forest regression model
rfr = ____(____=10, ____=1111)

# Create a scorer to use (use the mean squared error)
scorer = ____(____)
แก้ไขและรันโค้ด