Obliczanie dokładności

Po podziale danych na zbiory treningowy i testowy możesz dopasować model do danych treningowych, a następnie przewidzieć etykiety dla danych testowych. To właśnie przećwiczysz w tym ćwiczeniu.

Do tej pory korzystałeś z regresji logistycznej i drzew decyzyjnych. Tym razem użyjesz RandomForestClassifier – czyli zespołu drzew decyzyjnych, który zazwyczaj osiąga lepsze wyniki niż pojedyncze drzewo.

Wyniki z poprzednich ćwiczeń są dostępne, a zbiory treningowy i testowy znajdziesz w zmiennych X_train, X_test, y_train i y_test.

To ćwiczenie jest częścią kursu

Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj RandomForestClassifier z sklearn.ensemble.
Utwórz instancję RandomForestClassifier i przypisz ją do zmiennej clf.
Dopasuj clf do danych treningowych: X_train i y_train.
Oblicz dokładność modelu clf na danych testowych, korzystając z metody .score().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import RandomForestClassifier


# Instantiate the classifier
clf = ____

# Fit to the training data


# Compute accuracy
print(____.____(____, ____))

Edytuj i uruchom kod