Antrenează un random forest
Data scientists folosesc frecvent modelele de tip random forest. Acestea funcționează bine fără ajustări suplimentare și oferă numeroase setări pentru optimizarea performanței. Random forest-urile pot fi utilizate atât pentru clasificare, cât și pentru regresie; în acest exercițiu le vom folosi pentru regresie, pentru a prezice variația viitoare a prețului acțiunilor LNG.
Vom crea și antrena modelul de tip random forest în mod similar cu arborii de decizie, folosind metoda .fit(features, targets). Clasa RandomForestRegressor din sklearn include și o metodă .score() pe care o putem folosi pentru a evalua performanța. Aceasta primește ca argumente (features, targets) și returnează scorul R\(^2\) (coeficientul de determinare).
Acest exercițiu face parte din cursul
Machine Learning pentru finanțe în Python
Instrucțiuni pentru exercițiu
- Creează modelul de tip random forest folosind clasa importată
RandomForestRegressor. - Antrenează random forest-ul folosind
train_featuresșitrain_targets. - Afișează scorul R\(^2\) pentru seturile de antrenament și de testare.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
from sklearn.ensemble import RandomForestRegressor
# Create the random forest model and fit to the training data
rfr = ____(n_estimators=200)
rfr.fit(____, ____)
# Look at the R^2 scores on train and test
print(rfr.score(train_features, train_targets))
print(____)