Изобилие плохо, когда его нет у тебя и оно есть у соседа.
Рассмотрим, какие ценные сведения можно извлечь по итогам перебора гиперпараметров вашей модели и как это сделать. Сначала загрузим тестовый набор данных:
Теперь распределим колонки по типам и затем разобьем данные на два датасета:
Ниже проведем подбор гиперпараметров с GridSearchCV:
Алгоритм с лучшими параметрами на валидационном наборе можно извлечь из свойства best_estimator_:
В best_score_ и best_params_ содержатся значение валидационной метрики и параметров найденной оптимальной модели:
Не менее полезна сводная статистика для каждого набора параметров, хранящаяся в свойстве cv_results_:
Как можно заметить, по полю rank_test_score можно упорядочить результаты и вывести статистику для выбранной модели, например, время обучения и предсказания:
Это же можно сделать и по-другому, обратившись к строке с номером best_index_:
