Latih random forest
Data scientist sering menggunakan model random forest. Model ini memberikan kinerja yang baik sejak awal dan memiliki banyak pengaturan untuk mengoptimalkan performa. Random forest dapat digunakan untuk klasifikasi atau regresi; kita akan menggunakannya untuk regresi guna memprediksi perubahan harga LNG di masa depan.
Kita akan membuat dan melatih model random forest mirip dengan decision tree menggunakan metode .fit(features, targets). Dengan RandomForestRegressor dari sklearn, tersedia metode bawaan .score() yang dapat kita gunakan untuk mengevaluasi performa. Metode ini menerima argumen (features, targets) dan mengembalikan skor R\(^2\) (koefisien determinasi).
Latihan ini merupakan bagian dari kursus
Machine Learning untuk Keuangan dengan Python
Instruksi latihan
- Buat model random forest dengan kelas
RandomForestRegressoryang telah diimpor. - Latih (train) random forest menggunakan
train_featuresdantrain_targets. - Cetak skor R\(^2\) pada himpunan train dan test.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
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(____)