Python 如何调整参数？

我有一个用以下代码编写的决策树模型，我可以知道如何调整参数以使模型的结果更好吗？我可以使用GridsearchCV之类的东西吗？训练数据约为5000+，而测试数据约为1000+，具有20多个特征

clf\u熵=决策树分类器（标准=“熵”，随机状态=100，最大深度=8，最小样本数=28）

clf_熵拟合（X_序列，Y_序列）

Y_pred_en=clf_熵预测（X_检验）

---

打印（“准确度为”，准确度评分（Y_测试，Y_pred_en）*100）

看起来您应该使用不同的算法，如

BaggingClassifier

或

RandomForestClassifier

，而不是在

DecisionTreeClassifier

中查找随机树模型参数。Plz谷歌指定型号

提供文本代码，而不是链接。欢迎使用SO。为了使您的答案对更多的读者有用，您能否对其进行编辑，以说明为什么这些模型在这种情况下更有效？