パラメーターチューニング

ランダムフォレストのパラメーターチューニング方法

諸々のインポート

from sklearn.model_selection import train_test_split
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
from sklearn.svm import SVC

ランダムフォレスト

rfc=RandomForestClassifier(random_state=42)

param_grid = { 
    'n_estimators': [200, 500],
    'max_features': ['auto', 'sqrt', 'log2'],
    'max_depth' : [4,5,6,7,8],
    'criterion' :['gini', 'entropy']
}

チューニング（めちゃくちゃ時間かかる）

CV_rfc = GridSearchCV(estimator=rfc, param_grid=param_grid, cv= 5) #cvは分割数（2-5で指定）
CV_rfc.fit(X_train, y_train)

最適パラメーターの表示

CV_rfc.best_params_

この最適パラメーターで出た値を設定してランダムフォレスト

rfc1=RandomForestClassifier(random_state=42, max_features='auto', n_estimators= 200, max_depth=8, criterion='gini')

学習

rfc1.fit(X_train, y_train)

提出データ作成

test_pred=rfc1.predict(X_test)

#サブミット用ファイルの出力
sub_df = pd.DataFrame({"datetime":test["datetime"].values,"count":test_pred})
sub_df.to_csv("output/submission.csv", index = False)