ПочатиПочніть безкоштовно

Дослідження результатів grid search

Тепер ви дослідите властивість cv_results_ об'єкта GridSearchCV, про який йшлося у відео. Це словник, який можна зчитати у датафрейм pandas і який містить багато корисної інформації про щойно виконаний grid search.

Нагадування про типи стовпців у цій властивості:

  • стовпці time_
  • стовпці param_ (по одному для кожного гіперпараметра) і єдиний стовпець params (з усіма налаштуваннями гіперпараметрів)
  • стовпець train_score для кожного складання перехресної перевірки (cv), зокрема стовпці mean_train_score і std_train_score
  • стовпець test_score для кожного складання cv, зокрема стовпці mean_test_score і std_test_score
  • стовпець rank_test_score з числом від 1 до n (кількість ітерацій), який ранжує рядки за їхнім mean_test_score

Ця вправа є частиною курсу

Тюнінг гіперпараметрів у Python

Переглянути курс

Інструкції до вправи

  • Зчитайте властивість cv_results_ об'єкта GridSearchCV grid_rf_class у датафрейм і виведіть його повністю для огляду.
  • Дістаньте й виведіть єдиний стовпець, що містить словник усіх гіперпараметрів, використаних у кожній ітерації grid search.
  • Дістаньте й виведіть рядок з найкращим середнім тестовим балом, проіндексувавши за стовпцем rank_test_score.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Read the cv_results property into a dataframe & print it out
cv_results_df = pd.DataFrame(grid_rf_class.____)
print(____)

# Extract and print the column with a dictionary of hyperparameters used
column = cv_results_df.loc[:, [____]]
print(____)

# Extract and print the row that had the best mean test score
best_row = cv_results_df[cv_results_df[____] == ____ ]
print(best_row)
Редагувати та запускати код