Ensamblado con random forest
Las preguntas sobre modelos de ensamblado son habituales en una entrevista de Machine Learning. Si te dan un conjunto de datos y te piden crear un modelo muy preciso, probablemente querrás considerar estos modelos más complejos.
Tu reto en lo que queda de esta última lección del curso es crear y comparar dos modelos de ensamblado distintos para loan_data.
En este ejercicio, crearás un modelo Random Forest Classifier y compararás sus métricas de rendimiento con el modelo del siguiente ejercicio.
Los datos ya están divididos y disponibles en tu espacio de trabajo como X_train, X_test, y_train y y_test.
Este ejercicio forma parte del curso
Practicing Machine Learning Interview Questions in Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import
from sklearn.ensemble import ____
from sklearn.____ import ____, ____, ____, ____, _____
# Instantiate
rf_model = ____(____=____, random_state=123, oob_score = True)