我目前正在尝试RandomForestClassifier在由 5000 个实例组成的数据集上训练 a，该实例具有 12 个（现在）编码特征和一个二进制目标标签。通过GridSearchCV我发现，

best_parameters = {
    'criterion':    'gini', 
    'max_depth':    12, 
    'max_features': 'log2', 
    'n_estimators': 300
}

效果最好

hyperparameters = {
    "n_estimators": [9,10,20,30,40,50,60,100,150,200,300,1000],
    "max_depth":    [3,6,9,12,20],
    "criterion":    ["gini", "entropy"],
    "max_features": ["log2", "auto"]
}

mean_test_score正如我认为的那样，其中一个0.8546已经相当不错了。

现在我想获得某种视觉解释，例如每个参数的 ROC 曲线。RandomForestClassifier但是在为每个超参数创建 ROC 曲线的情况下真的有意义吗？还是有其他方法来调整我的分类器？