Construirea unui model de pădure aleatorie
Vei lucra din nou pe setul de date Pima Indians pentru a prezice dacă o persoană are diabet – de data aceasta folosind un clasificator de tip pădure aleatorie (random forest). Vei antrena modelul pe datele de antrenament după împărțirea train-test și vei analiza valorile de importanță ale caracteristicilor.
Seturile de caracteristici și țintă au fost pre-încărcate ca X și y. La fel și pachetele și funcțiile necesare.
Acest exercițiu face parte din cursul
Reducerea dimensionalității în Python
Instrucțiuni pentru exercițiu
- Setează o proporție de 25% pentru testare, realizând o împărțire train-test de 75%-25%.
- Antrenează clasificatorul de tip pădure aleatorie pe datele de antrenament.
- Calculează acuratețea pe setul de testare.
- Afișează importanța fiecărei caracteristici.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Perform a 75% training and 25% test data split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=____, random_state=0)
# Fit the random forest model to the training data
rf = RandomForestClassifier(random_state=0)
rf.____(____, ____)
# Calculate the accuracy
acc = accuracy_score(____, ____)
# Print the importances per feature
print(dict(zip(X.columns, rf.____.round(2))))
# Print accuracy
print(f"{acc:.1%} accuracy on test set.")