6.py

def fit_model(X, y):
	# Gera conjuntos de validação-cruzada para o treinamento de dados
	cv_sets = ShuffleSplit(X.shape[0]          # qt total elementos
	                     , n_iter = 10         # qt vezes embaralhar e dividir
	                     , test_size = 0.2
	                     , random_state = 123)
	
	grid = GridSearchCV(DecisionTreeRegressor()
	                  , dict(max_depth = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
			  , make_scorer(performance_metric)
		          , cv = cv_sets)
	
	# Encontrando os melhores parâmetros do estimador
	grid = grid.fit(X, y)
	
	return grid.best_estimator_