Genauigkeit berechnen

Nachdem du deine Daten in Trainings- und Testsets aufgeteilt hast, kannst du dein Modell nun mit den Trainingsdaten fitten und anschließend die Labels der Testdaten vorhersagen. Genau das übst du in dieser Aufgabe.

Bisher hast du mit Logistic Regression und Decision Trees gearbeitet. Hier verwendest du einen RandomForestClassifier. Du kannst ihn dir als Ensemble aus Decision Trees vorstellen, das in der Regel besser abschneidet als ein einzelner Decision Tree.

Deine Arbeit aus den vorherigen Aufgaben wurde übernommen, und die Trainings- und Testsets sind in den Variablen X_train, X_test, y_train und y_test verfügbar.

Diese Übung ist Teil des Kurses

<Kurs>Marketing Analytics: Kundenabwanderung in Python vorhersagen</Kurs>

Kurs ansehen

Übungsanweisungen

Importiere RandomForestClassifier aus sklearn.ensemble.
Instanziiere einen RandomForestClassifier als clf.
Fitte clf auf die Trainingsdaten: X_train und y_train.
Berechne die Genauigkeit von clf auf den Testdaten mit der Methode .score().

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import RandomForestClassifier


# Instantiate the classifier
clf = ____

# Fit to the training data


# Compute accuracy
print(____.____(____, ____))

Code bearbeiten und ausführen