開始使用免費開始

調整特徵數量

模型使用的預設超參數並不是為了你的資料量身設計。網格搜尋交叉驗證的目標,就是找出能讓模型效能最佳的超參數。在影片中,你已看到如何調整隨機森林的 n_estimators 超參數。這裡,你將練習調整 max_features 超參數。為了讓程式碼執行更快,cv 超參數設為 3。

Hyperparameter Purpose
max_features 尋找最佳切分時可使用的特徵數

隨機森林是由多棵決策樹組成的集成模型。n_estimators 超參數用來控制森林中的樹數量;而 max_features 則控制在決策樹尋找最佳切分時,隨機森林可考慮的特徵數量。

我們已為你建立一個隨機森林分類器 clf

本練習屬於課程

行銷分析:用 Python 預測客戶流失

檢視課程

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
編輯並執行程式碼