Ensemble Random Forest
Les questions sur les modèles d’ensemble sont courantes lors d’un entretien en Machine Learning. Si l’on vous fournit un jeu de données et que l’on vous demande de construire un modèle très précis, vous aurez tout intérêt à envisager ces modèles plus complexes.
Votre défi pour la fin de cette dernière leçon du cours est de créer et de comparer deux modèles d’ensemble différents pour loan_data.
Dans cet exercice, vous allez créer un modèle Random Forest Classifier et comparer ses métriques de performance au modèle du prochain exercice.
Les données ont déjà été scindées et sont disponibles dans votre espace de travail sous X_train, X_test, y_train et y_test.
Cet exercice fait partie du cours
S’entraîner aux questions d’entretien en Machine Learning avec Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Import
from sklearn.ensemble import ____
from sklearn.____ import ____, ____, ____, ____, _____
# Instantiate
rf_model = ____(____=____, random_state=123, oob_score = True)