from sklearn.model_selection import cross_val_score
scores = cross_val_score(clftree, d_train_att, d_train_label, cv=5)
skor_rata2 = scores.mean()
skoresd = scores.std()
#%%soal 8
max_features_opts = range(
5, 50, 5) #max_features_opts sebagai variabel untuk membuat range 5,50,5
n_estimators_opts = range(
10, 200,
20) #n_estimators_opts sebagai variabel untuk membuat range 10,200,20
rf_params = oni.empty(
(len(max_features_opts) * len(n_estimators_opts), 4), float
) #rf_params sebagai variabel untuk menjumlahkan yang sudah di tentukan sebelumnya
i = 0
for max_features in max_features_opts: #pengulangan
for n_estimators in n_estimators_opts: #pengulangan
clftree = RandomForestClassifier(
max_features=max_features,
n_estimators=n_estimators) #menampilkan variabel csf
scores = cross_val_score(clf, df_train_att, df_train_label,
cv=5) #scores sebagai variabel training
rf_params[i, 0] = max_features #index 0
rf_params[i, 1] = n_estimators #index 1
rf_params[i, 2] = scores.mean() #index 2
rf_params[i, 3] = scores.std() * 2 #index 3
i += 1 #dengan ketentuan i += 1
print(
#%%soal 7
from sklearn.model_selection import cross_val_score
scores = cross_val_score(clftree, d_train_att, d_train_label, cv=5)
skor_rata2 = scores.mean()
skoresd = scores.std()
#%%soal 8 /
max_features_opts = range(5, 50, 5)
#membuat max_features_opts sebagai variabel untuk membuat range 5,50,5
n_estimators_opts = range(10, 200, 20)
#membuat n_estimators_opts sebagai variabel untuk membuat range 10,200,20
rf_params = gani.empty((len(max_features_opts) * len(n_estimators_opts), 4),
float)
#membuat rf_params sebagai variabel untuk menjumlahkan yang sudah di tentukan sebelumnya
i = 0
for max_features in max_features_opts:
#sebagai pengulangan
for n_estimators in n_estimators_opts:
#sebagai pengulangan
clftree = RandomForestClassifier(
max_features=max_features,
n_estimators=n_estimators) #menampilkan variabel csf
scores = cross_val_score(clf, df_train_att, df_train_label, cv=5)
#membuat scores sebagai variabel training
rf_params[i, 0] = max_features #index 0
rf_params[i, 1] = n_estimators #index 1
rf_params[i, 2] = scores.mean() #index 2
rf_params[i, 3] = scores.std() * 2 #index 3