शुरू करेंमुफ़्त में शुरू करें

एक RF रिग्रेसर ट्रेन करें

आगे के अभ्यासों में आप वॉशिंगटन, D.C. के Capital Bikeshare प्रोग्राम में बाइक रेंटल की डिमांड का पूर्वानुमान लगाने वाले हैं। इसके लिए आप Kaggle पर उपलब्ध Bike Sharing Demand डेटासेट के ऐतिहासिक मौसम डेटा का उपयोग करेंगे. इस उद्देश्य के लिए, आप random forests एल्गोरिदम का उपयोग करेंगे. पहले चरण में, आप एक random forests रिग्रेसर परिभाषित करेंगे और उसे training सेट पर फिट करेंगे.

डेटासेट आपके लिए प्रोसेस कर दिया गया है और 80% train तथा 20% test में बाँटा गया है. फीचर मैट्रिक्स X_train और array y_train आपके वर्कस्पेस में उपलब्ध हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Tree-Based Models के साथ Machine Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn.ensemble से RandomForestRegressor इम्पोर्ट करें.

  • 25 पेड़ों वाला rf नाम का RandomForestRegressor बनाइए.

  • rf को training सेट पर फिट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import RandomForestRegressor
____

# Instantiate rf
rf = ____(n_estimators=____,
            random_state=2)
            
# Fit rf to the training set    
____.____(____, ____)
कोड संपादित करें और चलाएँ