Ensemble modelu náhodného lesa
Otázky na ensemble modely jsou v pohovoru na pozici v Machine Learning velmi časté. Pokud dostaneš dataset a úkol sestavit co nejpřesnější model, pravděpodobně sáhneš právě po těchto složitějších modelech.
Tvým úkolem ve zbytku této poslední lekce kurzu je vytvořit a porovnat dva různé ensemble modely pro loan_data.
V tomto cvičení vytvoříš model klasifikátoru náhodného lesa (Random Forest Classifier) a porovnáš jeho výkonnostní metriky s modelem v dalším cvičení.
Data jsou již rozdělena a v tvém pracovním prostředí jsou dostupná jako X_train, X_test, y_train a y_test.
Toto cvičení je součástí kurzu
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import
from sklearn.ensemble import ____
from sklearn.____ import ____, ____, ____, ____, _____
# Instantiate
rf_model = ____(____=____, random_state=123, oob_score = True)