모델 튜닝하기

마케팅 애널리틱스: Python으로 고객 이탈 예측하기

Mark Peterson

Director of Data Science, Infoblox

복습

from sklearn.svm import SVC

svc = SVC()

svc.fit(telco['data'], telco['target'])

SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape='ovr', degree=3, gamma='scale', kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False)

랜덤 포레스트 하이퍼파라미터

매개변수	목적
n_estimators	트리 개수
criterion	분할 품질 기준
max_features	최적 분할에 사용할 특징 수
max_depth	트리 최대 깊이
min_sample_splits	노드 분할 최소 샘플 수
bootstrap	부트스트랩 샘플 사용 여부

그리드 서치

sklearn에서의 그리드 서치

from sklearn.model_selection import GridSearchCV

param_grid = {'n_estimators': np.arange(10, 51)}

clf_cv = GridSearchCV(RandomForestClassifier(), param_grid)

clf_cv.fit(X, y)

clf_cv.best_params_

{'n_estimators': 43}

clf_cv.best_score_

0.9237923792379238

튜닝 화이팅!

마케팅 애널리틱스: Python으로 고객 이탈 예측하기