Kết quả mô hình với GridSearchCV
Bạn đã tìm ra rằng tham số tốt nhất cho mô hình là tiêu chí tách nên đặt là 'gini', số lượng estimators (cây) là 30, độ sâu tối đa của mô hình là 8 và số lượng đặc trưng tối đa nên đặt là "log2".
Hãy thử thiết lập này và xem mô hình hoạt động ra sao. Bạn có thể dùng lại hàm get_model_results() để tiết kiệm thời gian.
Bài tập này là một phần của khóa học
Phát hiện gian lận với Python
Hướng dẫn bài tập
- Nhập các thiết lập tối ưu vào phần định nghĩa mô hình.
- Huấn luyện mô hình, lấy dự đoán và lấy các tham số đánh giá hiệu năng bằng
get_model_results().
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Input the optimal parameters in the model
model = RandomForestClassifier(class_weight={0:1,1:12}, ____='____',
____=____, ____='log2', min_samples_leaf=10, ____=____, n_jobs=-1, random_state=5)
# Get results from your model
get_model_results(____, ____, ____, ____, ____)