始める無料で始める

RF 回帰器を学習する

次の演習では、Kaggle で公開されている Bike Sharing Demand データセットの過去の天気データを使って、ワシントン D.C. の Capital Bikeshare における自転車レンタル需要を予測します。この目的のために、random forests アルゴリズムを使用します。最初のステップとして、random forests の回帰器を定義し、学習用データに適合させます。

データセットはあらかじめ前処理され、80% を学習用、20% をテスト用に分割済みです。特徴量行列 X_train と目的変数の配列 y_train はワークスペースに用意されています。

この演習はコースの一部です

Pythonで学ぶ木ベースのMachine Learning

コースを見る

演習の手順

  • sklearn.ensemble から RandomForestRegressor をインポートします。

  • 25 本の木からなる RandomForestRegressor を rf という名前でインスタンス化します。

  • 学習用データに rf を適合させます。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Import RandomForestRegressor
____

# Instantiate rf
rf = ____(n_estimators=____,
            random_state=2)
            
# Fit rf to the training set    
____.____(____, ____)
コードを編集して実行