Calcolare l'accuracy
Dopo aver suddiviso i dati in training e test set, ora puoi adattare il modello ai dati di training e poi prevedere le etichette dei dati di test. È proprio quello che metterai in pratica in questo esercizio.
Finora hai usato Logistic Regression e Decision Trees. Qui userai un RandomForestClassifier, che puoi considerare come un insieme (ensemble) di Decision Trees che in genere supera le prestazioni di un singolo Decision Tree.
Il lavoro svolto negli esercizi precedenti è stato mantenuto: i training e test set sono disponibili nelle variabili X_train, X_test, y_train e y_test.
Questo esercizio fa parte del corso
Marketing Analytics: Prevedere il churn dei clienti in Python
Istruzioni dell'esercizio
- Importa
RandomForestClassifierdasklearn.ensemble. - Istanzia un
RandomForestClassifiercomeclf. - Adatta (
fit)clfai dati di training:X_trainey_train. - Calcola l'accuracy di
clfsui dati di test usando il metodo.score().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import RandomForestClassifier
# Instantiate the classifier
clf = ____
# Fit to the training data
# Compute accuracy
print(____.____(____, ____))