开始使用免费开始使用

再次构建您的第一个管道！

回到心律失常创业公司，月度评审临近，将有一位资深 Python 程序员审阅您的代码。您决定按照最佳实践进行整理，用管道替换之前用于特征选择和随机森林分类的脚本。您将使用训练数据集 X_train 和 y_train，以及若干模块：用于特征选择的 RandomForestClassifier、SelectKBest() 和 f_classif()，以及 GridSearchCV 和 Pipeline。

本练习是课程的一部分

用 Python 设计机器学习工作流

查看课程

练习说明

  • 使用示例代码给出的特征选择器和随机森林分类器创建一个管道。将第一步命名为 feature_selection。
  • 在 params 中添加两个键值对：一个是选择器中特征数量 k 的备选值 10 和 20，另一个是随机森林中 n_estimators 的备选值 2 和 5。
  • 使用给定的管道和参数网格初始化一个 GridSearchCV 对象。
  • 将该对象拟合到数据上，并打印性能最佳的参数组合。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Create pipeline with feature selector and classifier
pipe = ___([
    (___, SelectKBest(f_classif)),
    ('clf', ___(random_state=2))])

# Create a parameter grid
params = {
   'feature_selection__k':___,
    ___:[2, 5]}

# Initialize the grid search object
grid_search = ___(___, ___=params)

# Fit it to the data and print the best value combination
print(grid_search.fit(___, ___).___)
编辑并运行代码