ランダムフォレストによるアンサンブル
Machine Learning の面接では、アンサンブルモデルに関する質問がよく出ます。高精度なモデルの構築を求められたときは、これらのより複雑なモデルも検討したくなります。
このコース最後のレッスンの残りでは、loan_data に対して2種類のアンサンブルモデルを作成し、性能を比較することに挑戦します。
この演習では、Random Forest Classifier モデルを作成し、次の演習のモデルと評価指標を比較します。
データの分割はすでに完了しており、ワークスペースには X_train、X_test、y_train、y_test として用意されています。
この演習はコースの一部です
Pythonで学ぶMachine Learning面接対策
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
from sklearn.ensemble import ____
from sklearn.____ import ____, ____, ____, ____, _____
# Instantiate
rf_model = ____(____=____, random_state=123, oob_score = True)