अपने मॉडल को ट्यून करें

Marketing Analytics: Python में Customer Churn की भविष्यवाणी

Mark Peterson

Director of Data Science, Infoblox

रीफ़्रेशर

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)

Random forest हाइपरपैरामीटर्स

पैरामीटर	उद्देश्य
n_estimators	पेड़ों की संख्या
criterion	स्प्लिट की गुणवत्ता
max_features	बेस्ट स्प्लिट के लिए फीचर्स की संख्या
max_depth	पेड़ की अधिकतम गहराई
min_sample_splits	नोड स्प्लिट करने के लिए न्यूनतम सैंपल
bootstrap	क्या Bootstrap सैंपल इस्तेमाल हों

ग्रिड सर्च

sklearn में ग्रिड सर्च

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

ट्यूनिंग के लिए शुभकामनाएँ!

Marketing Analytics: Python में Customer Churn की भविष्यवाणी