랜덤 포레스트 학습하기
데이터 과학자들은 종종 랜덤 포레스트 모델을 사용해요. 기본 설정만으로도 성능이 좋고, 성능을 최적화할 수 있는 하이퍼파라미터도 다양합니다. 랜덤 포레스트는 분류와 회귀 모두에 사용할 수 있는데, 여기서는 LNG의 미래 가격 변화를 예측하기 위한 회귀에 사용하겠습니다.
랜덤 포레스트 모델은 의사결정나무와 마찬가지로 .fit(features, targets) 메서드로 생성하고 학습할 거예요. sklearn의 RandomForestRegressor에는 성능을 평가할 수 있는 내장 .score() 메서드가 있습니다. 이 메서드는 인자로 (features, targets)를 받고, 결정계수인 R\(^2\) 점수를 반환합니다.
이 연습은 강의의 일부입니다
Python으로 배우는 금융 분야 Machine Learning
연습 안내
- 가져온
RandomForestRegressor클래스로 랜덤 포레스트 모델을 생성하세요. train_features와train_targets를 사용해 랜덤 포레스트를 학습(훈련)하세요.- 학습 세트와 테스트 세트에 대한 R\(^2\) 점수를 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
from sklearn.ensemble import RandomForestRegressor
# Create the random forest model and fit to the training data
rfr = ____(n_estimators=200)
rfr.fit(____, ____)
# Look at the R^2 scores on train and test
print(rfr.score(train_features, train_targets))
print(____)