Primul tău pipeline
Colegul tău a folosit AdaBoostClassifier pentru setul de date de scoring al creditelor. Vrei să încerci și un clasificator de tip random forest. În acest exercițiu, vei antrena acest clasificator pe date și îl vei compara cu AdaBoostClassifier. Asigură-te că folosești împărțirea datelor în seturi de antrenament și de testare pentru a evita supraadaptarea. Datele sunt preîncărcate și transformate astfel încât toate caracteristicile să fie numerice. Caracteristicile sunt disponibile ca X, iar etichetele ca y. Modulul RandomForestClassifier a fost de asemenea preîncărcat.
Acest exercițiu face parte din cursul
Proiectarea fluxurilor de lucru pentru Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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)