GridSearchを使用してランダムなフォレストクラシファイアを自動的に調整する方法はありますか?値を提供するのではなく、最良の最適なパラメータ値を見つける方法があるかどうかです。sklearnを使用したランダムフォレストでの自動ハイパーパラメータ調整?
rfc = RandomForestClassifier(n_jobs=-1, max_features='sqrt', oob_score = True)
# Use a grid over parameters of interest
param_grid = {
"n_estimators" : [9, 18, 27, 36, 45, 54, 63],
"max_depth" : [1, 5, 10, 15, 20, 25, 30],
"min_samples_leaf" : [1, 2, 4, 6, 8, 10]}
CV_rfc = GridSearchCV(estimator=rfc, param_grid=param_grid, cv= 10)
CV_rfc.fit(train_x, train_y)
print CV_rfc.best_params_
号にいくつかのより多くの時間を費やす価値があります[cross-validate](https://stats.stackexchange.com/)でこの質問をすると、なぜそうでないのか、より詳細な回答が得られます。 – ncfirth
これは、クロスバリデーションのためのより良い質問であると私は同意しません。私の経験上、scikitを学ぶためのコードにあなたの質問を十分に理解すれば、SOはそれをより良い場所にします。 –