Random-Forest-Klassifikator – Teil 2
Schauen wir uns an, wie unser Random-Forest-Modell abschneidet, ohne dass wir irgendetwas Besonderes daran einstellen. Das model aus der vorherigen Übung ist verfügbar und du hast deine Daten bereits in X_train, y_train, X_test, y_test aufgeteilt.
Diese Übung ist Teil des Kurses
Betrugserkennung mit Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Fit the model to our training set
____.fit(____, ____)
# Obtain predictions from the test data
predicted = ____(X_test)