Twój pierwszy potok
Twój kolega użył AdaBoostClassifier do zbioru danych dotyczącego scoringu kredytowego. Chcesz również wypróbować klasyfikator lasu losowego. W tym ćwiczeniu dostosujesz ten klasyfikator do danych i porównasz go z AdaBoostClassifier. Pamiętaj, żeby zastosować podział na dane treningowe i testowe, aby uniknąć przeuczenia. Dane są wstępnie załadowane i przekształcone tak, że wszystkie cechy są liczbowe. Cechy są dostępne jako X, a etykiety jako y. Moduł RandomForestClassifier jest również wstępnie załadowany.
To ćwiczenie jest częścią kursu
Projektowanie przepływów pracy uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Split the data into train and test, with 20% as test
X_train, ____, ____, y_test = train_test_split(
X, y, ____=0.2, random_state=1)