Özellik sayısını ayarlama
Modellerinin varsayılan hiperparametreleri verilerin için optimize edilmemiştir. Grid search çapraz doğrulamanın amacı, en iyi model performansına ulaştıran hiperparametreleri belirlemektir. Videoda, random forest'ın n_estimators hiperparametresinin nasıl ayarlandığını gördün. Burada, max_features hiperparametresini ayarlama pratiği yapacaksın. Kodun hızlı çalışması için cv hiperparametresi 3 olarak ayarlanmıştır.
| Hyperparameter | Purpose |
|---|---|
| max_features | En iyi bölme için değerlendirilecek özellik sayısı |
Random forest, birçok karar ağacından oluşan bir topluluktur (ensemble). n_estimators hiperparametresi ormandaki ağaç sayısını kontrol ederken, max_features hiperparametresi karar ağacında en iyi bölmeyi ararken random forest'ın kaç özelliği dikkate alacağını kontrol eder.
Bir random forest sınıflandırıcısı clf olarak senin için oluşturuldu.
Bu egzersiz, kursun bir parçasıdır
Pazarlama Analitiği: Python ile Müşteri Terkini Tahmin Etme
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Import GridSearchCV