Diğer hiperparametreleri ayarlama
Birden fazla hiperparametreyi ayarlarken GridSearchCV'nin gücü gerçekten ortaya çıkar; çünkü algoritma en iyi kombinasyonu bulmak için hiperparametrelerin tüm olası birleşimlerini dener. Burada, aşağıdaki random forest hiperparametrelerini ayarlayacaksın:
| Hiperparametre | Amaç |
|---|---|
| criterion | Bölünme kalitesi |
| max_features | En iyi bölünme için özellik sayısı |
| max_depth | Ağacın maksimum derinliği |
| bootstrap | Bootstrap örnekleri kullanılıyor mu |
Hiperparametre ızgarası senin için tanımlandı ve clf adlı bir random forest sınıflandırıcısı sağlandı.
Bu egzersiz
Pazarlama Analitiği: Python ile Müşteri Terkini Tahmin Etme
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Import GridSearchCV
from sklearn.model_selection import GridSearchCV
# Create the hyperparameter grid
param_grid = {"max_depth": [3, None],
"max_features": [1, 3, 10],
"bootstrap": [True, False],
"criterion": ["gini", "entropy"]}
# Call GridSearchCV
grid_search = ____(___,___,cv=3)