正解率を計算する
データを学習用とテスト用に分割したので、まずはモデルを「学習用」データに適合させ、続いて「テスト」データのラベルを予測できます。今回はその一連の流れを練習します。
これまでに Logistic Regression と Decision Trees を使ってきました。ここでは RandomForestClassifier を使います。これは複数の Decision Tree からなるアンサンブルで、一般に単一の Decision Tree より高い性能が期待できます。
前の演習で準備した内容は引き継がれており、学習用とテスト用のデータは、X_train、X_test、y_train、y_test の各変数として利用できます。
この演習はコースの一部です
マーケティングアナリティクス：Pythonで顧客解約を予測する
演習の手順
sklearn.ensembleからRandomForestClassifierをインポートします。RandomForestClassifierのインスタンスをclfとして作成します。- 学習用データ
X_trainとy_trainに対してclfを学習させます。 .score()メソッドを使って、テストデータ上でのclfの正解率を計算します。
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 RandomForestClassifier
# Instantiate the classifier
clf = ____
# Fit to the training data
# Compute accuracy
print(____.____(____, ____))