ПочатиПочніть безкоштовно

Реалізація GridSearch

Тепер ви можете скористатися функцією sklearn GridSearchCV(), щоб знайти найкращу комбінацію всіх значень max_depth і min_samples_leaf, які ви згенерували в попередній вправі.

Ця вправа є частиною курсу

HR Analytics: прогнозування плинності персоналу в Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте функцію GridSearchCV.
  • Застосуйте GridSearchCV() до вашої model, використовуючи словник parameters, який ви визначили раніше. Збережіть це як param_search.
  • Навчіть (fit) param_search на тренувальній вибірці.
  • Виведіть найкращі знайдені параметри за допомогою атрибута best_params_.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# import the GridSearchCV function
from sklearn.model_selection import ____

# set up parameters: done
parameters = dict(max_depth=depth, min_samples_leaf=samples)

# initialize the param_search function using the GridSearchCV function, initial model and parameters above
param_search = ____(model, parameters, cv=3)

# fit the param_search to the training dataset
____.fit(features_train, target_train)

# print the best parameters found
print(param_search.____)
Редагувати та запускати код