設定 RF 的超參數網格

在這個練習中，你將手動設定要用來微調 rf 超參數並找出最佳回歸器的超參數網格。為此，你會建立一個超參數的網格，並調整估計器的數量、在分裂每個節點時可使用的最大特徵數，以及每個葉節點所需的最小樣本數（或比例）。

本練習屬於課程

Machine Learning with Tree-Based Models in Python

定義一個名為 params_rf 的 Python 字典，內容為一組超參數網格，其中：
- 鍵 'n_estimators' 對應的值為清單 [100, 350, 500]
- 鍵 'max_features' 對應的值為清單 ['log2', 'auto', 'sqrt']
- 鍵 'min_samples_leaf' 對應的值為清單 [2, 10, 30]

試著完成這個範例程式碼，體驗一下這個練習。

# Define the dictionary 'params_rf'
params_rf = ____