Выбор лучшей модели

# Подбор параметров модели с помощью make_scorer из sklearn.metrics
smape_score = make_scorer(smape, greater_is_better= False )
# Матрица гиперпараметров

param_dist_dt = {"max_depth":range(1,101,10) ,
                "min_samples_leaf": [ 1, 0.5, 2],
                 }

# Кросс-валидация решающего дерева (дерева решений) регрессора с помощью GridSearchCV из sklearn.model_selection
# и обучение 

dt_cv = GridSearchCV(DecisionTreeRegressor(random_state = 12345),param_dist_dt, cv = 4, scoring = smape_score )

dt_cv_df = dt_cv.fit(features_train_df_1, target_train_df_1)

print("Tuned decission tree parameters : {}".format(dt_cv_df.best_params_))
print("Best sMape DecisionTree regressor: {}".format(dt_cv_df.best_score_))