準備進行 RandomizedSearch
上學期教授要你們班挑戰建立一個能預測期末考試分數的預測模型。你曾嘗試隨機選一些超參數來跑不同模型，不過每個模型都得各自寫程式碼來執行。
在學會 RandomizedSearchCV() 之後，你決定回頭完成教授的挑戰，打造最佳模型。在這個練習中，你會準備完成隨機搜尋所需的三個必要輸入。
本練習屬於課程
Python 的模型驗證
練習說明
- 完成參數字典：為
max_depth加入一個清單，選項為 2、4、6、8。 - 建立一個具有 10 棵樹且
random_state為 1111 的隨機森林迴歸模型。 - 建立一個要使用的均方誤差（mean squared error）評分器。
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。
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 = ____(____)