Random Forest Classifier - भाग 1
चलिए अब फ्रॉड डिटेक्शन के लिए पहला random forest classifier बनाते हैं. उम्मीद है कि आप अभी‑अभी निकाली गई बेसलाइन एक्यूरेसी (लगभग 96%) से बेहतर कर पाएँगे. यह मॉडल आपका "baseline" मॉडल होगा, जिसे आप अगले अभ्यासों में बेहतर करने की कोशिश करेंगे. शुरुआत करें डेटा को training और test सेट में बाँटने से, और Random Forest मॉडल डिफाइन करने से. उपलब्ध डेटा में फीचर्स X और लेबल्स y हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Fraud Detection
अभ्यास निर्देश
sklearnसे random forest classifier इम्पोर्ट करें.- अपने फीचर्स
Xऔर लेबल्सyको training और test सेट में बाँटें. 30% के test सेट को अलग रखें. - random forest classifier को
modelमें असाइन करें औरrandom_stateको 5 ही रखें. अलग‑अलग मॉडलों के बीच परिणामों की तुलना करने के लिए यहाँ random state सेट करना ज़रूरी है.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the random forest model from sklearn
from sklearn.ensemble import ____
# Split your data into training and test set
X_train, X_test, y_train, y_test = ____(____, ____, test_size=____, random_state=0)
# Define the model as the random forest
model = ____(random_state=5)