为 RandomizedSearch 做准备
上学期，您的教授让全班挑战构建一个预测模型，用来预测期末考试分数。您曾尝试随机选择超参数来运行几个不同的模型。然而，每次运行模型都需要您单独编写代码。
在学习了 RandomizedSearchCV() 之后，您决定重新挑战教授提出的任务，构建表现最好的模型。在本练习中，您将准备完成随机搜索所需的 3 个输入。
本练习是课程的一部分
Python 中的模型验证
练习说明
- 通过为
max_depth参数添加一个列表来完善参数字典，列表取值为 2、4、6、8。 - 创建一个包含 10 棵树且
random_state为 1111 的随机森林回归模型。 - 创建一个用于评估的均方误差评分器。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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 = ____(____)