Hutan pohon keputusan
Dalam latihan ini, Anda akan berlatih menggunakan Decision Tree dengan bootstrap, yang juga dikenal sebagai Random Forest. Seperti pada latihan sebelumnya, Anda kemudian akan membandingkan akurasinya dengan model yang hyperparameter-nya telah Anda sesuaikan menggunakan cross-validation.
Kali ini, Anda akan menyetel satu hyperparameter tambahan, max_features, yang memungkinkan model menentukan berapa banyak fitur yang digunakan. Jika tidak ditentukan secara khusus, nilainya akan menjadi auto secara default. Hal yang perlu diingat untuk wawancara adalah bahwa Decision Tree mempertimbangkan semua fitur secara default, sedangkan Random Forest biasanya mempertimbangkan akar kuadrat dari jumlah fitur.
Matriks fitur X, label target y, dan train_test_split dari sklearn.model_selection telah diimpor untuk Anda.
Latihan ini merupakan bagian dari kursus
Berlatih Pertanyaan Wawancara Machine Learning dengan Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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(____(____,____)))