Calculer la justesse

Après avoir séparé vos données en ensembles d'entraînement et de test, vous pouvez maintenant ajuster votre modèle aux données d'entraînement, puis prédire les étiquettes des données de test. C'est ce que vous allez pratiquer dans cet exercice.

Jusqu'ici, vous avez utilisé la régression logistique et les arbres de décision. Ici, vous allez utiliser un RandomForestClassifier, que vous pouvez voir comme un ensemble d'arbres de décision qui surpasse généralement un seul arbre de décision.

Votre travail des exercices précédents a été conservé, et les ensembles d'entraînement et de test sont disponibles dans les variables X_train, X_test, y_train et y_test.

Cette activité fait partie du cours

Analytique marketing : prédire l'attrition de la clientèle avec Python

Voir le cours

Instructions de l’exercice

Importez RandomForestClassifier depuis sklearn.ensemble.
Instanciez un RandomForestClassifier sous le nom clf.
Ajustez clf aux données d'entraînement : X_train et y_train.
Calculez la justesse de clf sur les données de test à l'aide de la méthode .score().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import RandomForestClassifier


# Instantiate the classifier
clf = ____

# Fit to the training data


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

Modifier et exécuter le code