A Ajustar os hiperparâmetros manualmente, testando diferentes combinações de uma única vez, sem validação cruzada, até encontrar uma configuração que melhore o desempenho.
B Utilizar a técnica de pesquisa aleatória (Random Search), testando uma combinação aleatória de valores para os hiperparâmetros, sem avaliar o desempenho em diferentes subdivisões do conjunto de dados.
C Focar apenas no parâmetro n_estimators e testar os valores 50, 100 e 150, já que esse é o parâmetro mais importante para aRandom Forest.
D Usar a técnica de pesquisa em grade (Grid Search), testando todas as combinações possíveis de valores para n_estimators, max_depth e min_samples_split, e avaliar a performance a partir da validação cruzada.
E Manter os hiperparâmetros padrões da biblioteca e esperar que o modelo se ajuste automaticamente, pois os hiperparâmetros padrões funcionam bem na maioria dos casos.