ПочатиПочніть безкоштовно

Підготовка до RandomizedSearch

Минулого семестру ваш викладач запропонував класу створити прогностичну модель для передбачення підсумкових балів за іспит. Ви спробували кілька різних моделей, випадково добираючи гіперпараметри. Однак запуск кожної моделі вимагав, щоб ви окремо писали для неї код.

Після того як ви дізналися про RandomizedSearchCV(), ви повертаєтеся до виклику викладача, щоб збудувати найкращу модель. У цій вправі ви підготуєте три необхідні вхідні елементи для виконання випадкового пошуку.

Ця вправа є частиною курсу

Валідація моделей у Python

Переглянути курс

Інструкції до вправи

  • Завершіть словник параметрів, додавши список для параметра max_depth з варіантами 2, 4, 6 і 8.
  • Створіть модель регресії випадкового лісу з десятьма деревами та random_state 1111.
  • Створіть оцінювач за середньоквадратичною помилкою для використання.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import make_scorer, mean_squared_error

# Finish the dictionary by adding the max_depth parameter
param_dist = {"____": [____],
              "max_features": [2, 4, 6, 8, 10],
              "min_samples_split": [2, 4, 8, 16]}

# Create a random forest regression model
rfr = ____(____=10, ____=1111)

# Create a scorer to use (use the mean squared error)
scorer = ____(____)
Редагувати та запускати код