Tinh chỉnh các siêu tham số khác
Sức mạnh của GridSearchCV thật sự phát huy khi bạn tinh chỉnh nhiều siêu tham số cùng lúc, vì thuật toán sẽ thử tất cả các tổ hợp có thể để tìm ra kết hợp tốt nhất. Ở đây, bạn sẽ tinh chỉnh các siêu tham số của random forest sau:
| Hyperparameter | Purpose |
|---|---|
| criterion | Chất lượng phép chia |
| max_features | Số lượng đặc trưng dùng để chia tốt nhất |
| max_depth | Độ sâu tối đa của cây |
| bootstrap | Có sử dụng mẫu Bootstrap hay không |
Lưới siêu tham số đã được chuẩn bị sẵn cho bạn, cùng với một bộ phân loại random forest tên là clf.
Bài tập này là một phần của khóa học
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import GridSearchCV
from sklearn.model_selection import GridSearchCV
# Create the hyperparameter grid
param_grid = {"max_depth": [3, None],
"max_features": [1, 3, 10],
"bootstrap": [True, False],
"criterion": ["gini", "entropy"]}
# Call GridSearchCV
grid_search = ____(___,___,cv=3)