Začněte nyníZačněte zdarma

Nastavení parametrů a trénování modelu

Prediktivní úlohy se dělí do dvou kategorií: regrese a klasifikace. V datasetu se sladkostmi je výstupem spojitá proměnná, která popisuje, jak často byla daná sladkost vybrána nad jinou v sérii soubojů 1 na 1. Pro predikci této hodnoty (procento výher) použiješ regresní model.

V tomto cvičení nastavíš několik parametrů regresního modelu náhodného lesa rfr.

Toto cvičení je součástí kurzu

Validace modelů v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Přidej do rfr parametry tak, aby se postavilo 100 stromů a jejich maximální hloubka byla 6.
  • Zajisti reprodukovatelnost modelu nastavením náhodného stavu na 1111.
  • Použij metodu .fit() k natrénování regresního modelu náhodného lesa – jako vstupní data zadej X_train a jako odpovědi y_train.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Set the number of trees
rfr.____ = ____

# Add a maximum depth
rfr.____ = ____

# Set the random state
rfr.____ = ____

# Fit the model
rfr.____(____, ____)
Upravit a spustit kód