Главная

Создайте цикл для поиска лучших гиперпараметров на примере данных о пассажирских перевозках.

# импортируем нужные библиотеки и объявляем константы
import time

import pandas as pd
from sklearn.model_selection import cross_val_score, train_test_split
from sklearn.preprocessing import OneHotEncoder
from sklearn.tree import DecisionTreeClassifier

RANDOM_STATE = 42
TEST_SIZE = 0.25

# считываем данные из CSV-файла в датафрейм и задаём id в качестве индексов
df = pd.read_csv('train_satisfaction.csv')
df = df.set_index('id')

# делим данные на входные и целевые
X = df.drop(['Удовлетворён предоставленной услугой'], axis=1)
y = df['Удовлетворён предоставленной услугой']

# делим данные на тренировочные и тестовые
# используем константы с размером тестовой выборки и random_state
# выполняем стратификацию по целевому признаку
X_train, X_test, y_train, y_test = train_test_split(
    X,
    y,
    test_size=TEST_SIZE,
    random_state=RANDOM_STATE,
    stratify=y)

# создаём список со строковыми категориями для кодирования
cols_ohe = X_train.select_dtypes(include='object').columns.tolist()

# создаём экземпляр класса OneHotEncoder для кодирования
oh_encoder = OneHotEncoder(drop='first', sparse=False)

# обучаем OneHotEncoder на категориальных признаках из тренировочной выборки
oh_encoder.fit(X_train[cols_ohe])

# сохраняем в переменной encoder_col_names список названий новых столбцов
encoder_col_names = oh_encoder.get_feature_names()

# преобразовываем категориальные переменные в тренировочной и тестовой выборках
X_train[encoder_col_names] = oh_encoder.transform(X_train[cols_ohe])
X_test[encoder_col_names] = oh_encoder.transform(X_test[cols_ohe])

# удаляем преобразованные признаки
X_train = X_train.drop(cols_ohe, axis=1)
X_test = X_test.drop(cols_ohe, axis=1)

# запускаем таймер
start = time.time()
# создаём список для фиксации результатов обучения модели
cv_results = []

# переберите значения min_samples_split в диапазоне от 2 до 6 (не включительно)
for min_samples_split in range(2, 6):
    # переберите значения min_samples_leaf в диапазоне от 1 до 6 (не включительно)
    for min_samples_leaf in range(1, 6):
        # переберите значения max_depth в диапазоне от 2 до 6 (не включительно)
        for max_depth in range(2, 6):
            # инициализируйте модель дерева решений с этими гиперпараметрами
            model = DecisionTreeClassifier(
                random_state=RANDOM_STATE,
                min_samples_split=min_samples_split,
                min_samples_leaf=min_samples_leaf,
                max_depth=max_depth
            )

            # посчитайте метрику roc-auc при кросс-валидации
            roc_auc_cv = cross_val_score(
    model,
    X_train,
    y_train,
    scoring='roc_auc',
    n_jobs=-1
).mean()

            # добавляем метрику и гиперпараметры в список 
            cv_results.append((roc_auc_cv, {
                'min_samples_split': min_samples_split,
                'min_samples_leaf': min_samples_leaf,
                'max_depth': max_depth
            }))

# считаем, сколько секунд прошло с начала запуска
loop_search_time = time.time() - start
print(f'Search time:{loop_search_time}')

# сортируем результаты метрики от самых больших до самых маленьких
loop_search_cv_results = pd.DataFrame(sorted(cv_results, key=lambda x: x[0], reverse=True))
loop_search_cv_results.columns = ['Sco