搜尋最佳決策樹
在這個練習中，你將使用 5-fold 交叉驗證進行網格搜尋，找出 dt 的最佳超參數。請注意，網格搜尋會全面嘗試所有組合，因此訓練模型可能需要較長時間。這裡你只需建立 GridSearchCV 物件，先不要把它配適到訓練集。正如影片所示，你可以像使用任何 scikit-learn 估計器一樣，透過 .fit() 方法來訓練這個物件：
grid_object.fit(X_train, y_train)
未調校的分類樹 dt，以及你在前一個練習中定義的字典 params_dt，都已經在你的工作環境中可用。
本練習屬於課程
Machine Learning with Tree-Based Models in Python
練習說明
從
sklearn.model_selection匯入GridSearchCV。以 5-fold CV 建立一個
GridSearchCV物件，並設定參數：estimator設為dt、param_grid設為params_dt，以及scoring設為'roc_auc'。
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。
# Import GridSearchCV
____
# Instantiate grid_dt
grid_dt = ____(estimator=____,
param_grid=____,
scoring=____,
cv=____,
n_jobs=-1)