ПочатиПочніть безкоштовно

Пошук оптимального дерева

У цій вправі ви виконаєте перебір за сіткою з 5-кратно́ю кросвалідацією, щоб знайти оптимальні гіперпараметри dt. Зважайте, що перебір за сіткою є вичерпним процесом, тож навчання моделі може займати багато часу. Тут ви лише створите об'єкт GridSearchCV, не навчаючи його на тренувальній вибірці. Як обговорювалося у відео, такий об'єкт можна навчати так само, як будь-який оцінювач scikit-learn, за допомогою методу .fit():

grid_object.fit(X_train, y_train)

Налаштований за замовчуванням класифікаційний дерево́вий алгоритм dt, а також словник params_dt, який ви визначили у попередній вправі, доступні у вашому робочому середовищі.

Ця вправа є частиною курсу

Машинне навчання з деревоподібними моделями в Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте GridSearchCV з sklearn.model_selection.

  • Створіть об'єкт GridSearchCV, використовуючи 5-кратну кросвалідацію, встановивши параметри:

    • estimator — dt, param_grid — params_dt і

    • scoring — 'roc_auc'.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import GridSearchCV
____

# Instantiate grid_dt
grid_dt = ____(estimator=____,
                       param_grid=____,
                       scoring=____,
                       cv=____,
                       n_jobs=-1)
Редагувати та запускати код