Random forest-ensemble
Vragen over ensemblemodellen komen vaak voor in een Machine Learning-sollicitatiegesprek. Krijg je een gegevensset en de opdracht om een zeer nauwkeurig model te bouwen, dan is het logisch om deze complexere modellen te overwegen.
Je uitdaging in het resterende deel van deze laatste les is om twee verschillende ensemblemodellen voor loan_data te maken en te vergelijken.
In deze oefening maak je een Random Forest Classifier en vergelijk je de prestatiemetrics met het model in de volgende oefening.
De data is al gesplitst en beschikbaar in je werkruimte als X_train, X_test, y_train en y_test.
Deze oefening maakt deel uit van de cursus
Machine Learning-sollicitatievragen oefenen in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import
from sklearn.ensemble import ____
from sklearn.____ import ____, ____, ____, ____, _____
# Instantiate
rf_model = ____(____=____, random_state=123, oob_score = True)