Calculando a acurácia

Depois de dividir seus dados em conjuntos de treino e teste, você pode ajustar seu modelo aos dados de treino e então prever os rótulos dos dados de teste. É isso que você vai praticar neste exercício.

Até aqui, você usou Logistic Regression e Decision Trees. Agora, você vai usar um RandomForestClassifier, que você pode entender como um ensemble de Decision Trees que geralmente supera uma única Decision Tree.

Seu trabalho nos exercícios anteriores foi mantido, e os conjuntos de treino e teste estão disponíveis nas variáveis X_train, X_test, y_train e y_test.

Este exercicio faz parte do curso

Análise de Marketing: Prevendo Churn de Clientes em Python

Ver curso

Instruções do exercicio

Importe RandomForestClassifier de sklearn.ensemble.
Instancie um RandomForestClassifier como clf.
Ajuste clf aos dados de treino: X_train e y_train.
Calcule a acurácia de clf nos dados de teste usando o método .score().

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Import RandomForestClassifier


# Instantiate the classifier
clf = ____

# Fit to the training data


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

Editar e Executar Código