调整模型

营销分析：用 Python 预测客户流失

Mark Peterson

Director of Data Science, Infoblox

复习

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)

随机森林超参数

参数	作用
n_estimators	树的数量
criterion	划分质量
max_features	寻找最佳划分时的特征数
max_depth	树的最大深度
min_sample_splits	划分节点的最小样本数
bootstrap	是否使用自助采样

网格搜索

sklearn 中的网格搜索

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

祝您调参顺利！

营销分析：用 Python 预测客户流失