Chuẩn bị cho RandomizedSearch
Học kỳ trước, giáo sư giao cho lớp bạn thử thách xây dựng một mô hình dự đoán điểm bài kiểm tra cuối kỳ. Bạn đã thử chạy vài mô hình khác nhau bằng cách chọn ngẫu nhiên các siêu tham số. Tuy nhiên, để chạy mỗi mô hình, bạn phải tự viết mã riêng lẻ cho nó.
Sau khi học về RandomizedSearchCV(), bạn quay lại thử thách của giáo sư để xây dựng mô hình tốt nhất. Trong bài tập này, bạn sẽ chuẩn bị ba đầu vào cần thiết để thực hiện random search.
Bài tập này là một phần của khóa học
Xác thực Mô hình trong Python
Hướng dẫn bài tập
- Hoàn thiện dictionary tham số bằng cách thêm một danh sách cho tham số
max_depthvới các lựa chọn 2, 4, 6 và 8. - Tạo một mô hình random forest regression với mười cây và
random_statebằng 1111. - Tạo một scorer mean squared error để sử dụng.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
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 = ____(____)