Decision Trees का एक जंगल
इस अभ्यास में, आप bootstrapped Decision Tree का उपयोग करना सीखेंगे, जिसे Random Forest भी कहते हैं। जैसा कि आपने पिछले अभ्यास में किया था, आप इसकी accuracy की तुलना उस मॉडल से करेंगे जिसमें आपने cross-validation के साथ hyperparameters ट्यून किए हैं।
इस बार, आप एक अतिरिक्त hyperparameter max_features को ट्यून करेंगे, जो आपके मॉडल को यह तय करने देता है कि कितने features इस्तेमाल करने हैं। जब इसे विशेष रूप से सेट नहीं किया जाता, तो इसका डिफॉल्ट auto होता है। इंटरव्यू के लिए ध्यान रखने वाली बात: Decision Trees डिफॉल्ट रूप से सभी features को consider करते हैं, जबकि Random Forest आमतौर पर features की संख्या के square root को consider करते हैं।
Feature matrix X, target label y, और sklearn.model_selection से train_test_split आपके लिए इम्पोर्ट किए जा चुके हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import modules
from sklearn.ensemble import ____
from sklearn.metrics import accuracy_score
# Train/test split
X_train, X_test, y_train, y_test = train_test_split(____, ____, test_size=0.30, random_state=123)
# Instantiate, Fit, Predict
loans_rf = ____()
loans_rf.____(____, ____)
y_pred = loans_rf.____(____)
# Evaluation metric
print("Random Forest Accuracy: {}".format(____(____,____)))