रैंडम फॉरेस्ट फिट करें
डेटा साइंटिस्ट अक्सर रैंडम फॉरेस्ट मॉडल का उपयोग करते हैं. ये बिना अधिक ट्यूनिंग के अच्छा प्रदर्शन करते हैं, और परफॉर्मेंस बेहतर करने के लिए कई सेटिंग्स देते हैं. रैंडम फॉरेस्ट का उपयोग classification या regression, दोनों में किया जा सकता है; हम इसे regression के लिए उपयोग करेंगे ताकि LNG के भविष्य के प्राइस चेंज की भविष्यवाणी कर सकें.
हम रैंडम फॉरेस्ट मॉडल को decision trees की तरह ही .fit(features, targets) मेथड से बनाएँगे और फिट करेंगे. sklearn के RandomForestRegressor में एक बिल्ट-इन .score() मेथड होता है जिसे हम परफॉर्मेंस मापने के लिए उपयोग कर सकते हैं. यह (features, targets) आर्ग्युमेंट्स लेता है और R\(^2\) स्कोर (coefficient of determination) लौटाता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Finance के लिए Machine Learning
अभ्यास निर्देश
- इम्पोर्ट किए गए
RandomForestRegressorक्लास से रैंडम फॉरेस्ट मॉडल बनाएँ. train_featuresऔरtrain_targetsका उपयोग करके रैंडम फॉरेस्ट को फिट (train) करें.- ट्रेन और टेस्ट सेट पर R\(^2\) स्कोर प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
from sklearn.ensemble import RandomForestRegressor
# Create the random forest model and fit to the training data
rfr = ____(n_estimators=200)
rfr.fit(____, ____)
# Look at the R^2 scores on train and test
print(rfr.score(train_features, train_targets))
print(____)