model = RandomForestClassifier()

parametrs = ({'max_depth':range(2, 10),

            'n_estimators':range(1, 81, 5)

             })

grid_search_cv_model = GridSearchCV(model, parametrs, scoring='recall', n_jobs=-1, cv=4)

%%time

grid_search_cv_model.fit(features_tr, target)

 

grid_search_cv_model.best_params_

#выдал {'max_depth': 9, 'n_estimators': 6}

grid_search_cv_model.best_score_

#выдал 0.5176759274663117

 

потом разбила (features_tr, target) на таргет и валидацию

 

%%time

     

best_model = None

best_result = 0

best_est = 0

best_depth = 0

for est in range(1, 81, 5):

    for depth in range (1, 21):

        model = RandomForestClassifier(random_state=12345, n_estimators=est, max_depth=depth)

        model.fit(features_train,target_train)

        pred=model.predict(features_valid)

        result = recall_score(target_valid,pred)

       

        if result > best_result:

            best_model = model

            best_result = result

            best_est = est

            best_depth = depth

           

print("Recall наилучшей модели на валидационной выборке:", best_result)

print(best_model)

 

#получила Recall наилучшей модели на валидационной выборке: 0.7912161038096822

RandomForestClassifier(max_depth=20, n_estimators=41, random_state=12345)