
Объединение различных моделей для ансамблевого обучения
227
Рис. 7.5. Границы принятия решений для различных классификаторов
Итак, теперь вы знаете, как получить доступ к отдельным атрибутам классификатора
при помощи метода
get_params
. Теперь в демонстрационных целях с помощью поиска
по сетке настроим параметр обратной регуляризации классификатора С логистической
регрессии и глубину дерева решений:
>>> from sklearn.model_selection import GridSearchCV
>>> params = {'decisiontreeclassifier__max_depth': [1, 2],
... 'pipeline-1__clf__C': [0.001, 0.1, 100.0]}
>>> grid = GridSearchCV(estimator=mv_clf,
... param_grid=params,
... ...