Ensemble lasów losowych
Pytania dotyczące modeli ensemble są częstym elementem rozmów kwalifikacyjnych z uczenia maszynowego. Jeśli dostaniesz zbiór danych i zadanie zbudowania jak najdokładniejszego modelu, z pewnością warto rozważyć te bardziej złożone podejścia.
W tej ostatniej lekcji kursu stworzysz i porównasz dwa różne modele ensemble dla zbioru loan_data.
W tym ćwiczeniu zbudujesz model klasyfikatora Random Forest i porównasz jego metryki wydajności z modelem z następnego ćwiczenia.
Dane zostały już podzielone i są dostępne w środowisku pracy jako X_train, X_test, y_train i y_test.
To ćwiczenie jest częścią kursu
Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import
from sklearn.ensemble import ____
from sklearn.____ import ____, ____, ____, ____, _____
# Instantiate
rf_model = ____(____=____, random_state=123, oob_score = True)