使用 Scikit Learn 的 GridSearchCV
Scikit Learn 的 GridSearchCV 模組提供許多實用功能，能有效協助你進行網格搜尋。現在請把所學付諸實作，依指定參數建立一個 GridSearchCV 物件。
需要的設定如下：
- 使用 Random Forest 估計器，分割準則設為 'entropy'
- 5 折交叉驗證
- 超參數
max_depth（2、4、8、15）與max_features（'auto' 與 'sqrt'） - 使用
roc_auc作為模型評分指標 - 以 4 個核心平行處理
- 重新擬合最佳模型，並回傳訓練分數
你可以使用 X_train、X_test、y_train 和 y_test 資料集。
本練習屬於課程
Python 超參數調校
練習說明
- 依上述說明建立一個 Random Forest 估計器。
- 依上述說明建立一個參數網格。
- 依上述說明，使用前兩個步驟建立的物件來建立一個
GridSearchCV物件。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create a Random Forest Classifier with specified criterion
rf_class = RandomForestClassifier(____=____)
# Create the parameter grid
param_grid = {____: ____, ____: ____}
# Create a GridSearchCV object
grid_rf_class = GridSearchCV(
estimator=____,
param_grid=____,
scoring=____,
n_jobs=____,
cv=____,
refit=____, return_train_score=____)
print(grid_rf_class)