1. Learn
    2. /
  2. 课程
    3. /
  3. Python 树模型机器学习
Connected

道练习

搜索最优森林

在本练习中，您将使用 3 折交叉验证进行网格搜索，寻找 rf 的最优超参数。为了评估网格中的每个模型，您将使用 negative mean squared error 指标。

请注意，网格搜索是穷举式搜索过程，训练模型可能会花费较长时间。此处您只需实例化 GridSearchCV 对象，而不将其拟合到训练集。正如视频中所讨论的，您可以像使用任意 scikit-learn 估计器一样，通过 .fit() 方法来训练该对象：

grid_object.fit(X_train, y_train)

未调参的随机森林回归模型 rf，以及您在上一个练习中定义的字典 params_rf，都已在您的工作空间中可用。

说明

100 XP

  • 从 sklearn.model_selection 导入 GridSearchCV。

  • 使用 3 折交叉验证并以负均方误差作为评分指标，实例化一个 GridSearchCV 对象。