“Comment améliorer la précision du classificateur de forêt aléatoire” Réponses codées

Comment améliorer la précision du classificateur de forêt aléatoire

from sklearn.model_selection import GridSearchCV
cv = GridSearchCV(rfc,parameters,cv=5)
cv.fit(train_features,train_label.values.ravel())
Wide-eyed Whale

Comment améliorer la précision du classificateur de forêt aléatoire

display(cv)
Wide-eyed Whale

Comment améliorer la précision du classificateur de forêt aléatoire

def display(results):
    print(f'Best parameters are: {results.best_params_}')
    print("\n")
    mean_score = results.cv_results_['mean_test_score']
    std_score = results.cv_results_['std_test_score']
    params = results.cv_results_['params']
    for mean,std,params in zip(mean_score,std_score,params):
        print(f'{round(mean,3)} + or -{round(std,3)} for the {params}')
Wide-eyed Whale

Réponses similaires à “Comment améliorer la précision du classificateur de forêt aléatoire”

Questions similaires à “Comment améliorer la précision du classificateur de forêt aléatoire”

Plus de réponses similaires à “Comment améliorer la précision du classificateur de forêt aléatoire” dans Python

Parcourir les réponses de code populaires par langue

Parcourir d'autres langages de code

Shell/Bash
C#
C++
C
CSS
HTML
Java
JavaScript
Objective-C
PHP
Python
Sql
Swift
Ruby
TypeScript
Go
Kotlin
Assembly
R
VBA
Scala
Rust
Dart
Elixir
Clojure
Haskell
Matlab
Erlang
Cobol
Fortran
Scheme
Perl
Groovy
Lua
Julia
Delphi
Abap
Lisp
Prolog
Pascal
ActionScript
Basic
Solidity
PowerShell
GDScript
Excel