Классификатор случайного леса — часть 1
Давайте создадим первый классификатор на основе случайного леса для обнаружения мошенничества. Постараемся превзойти базовую точность, которую вы только что вычислили, — она составила около 96%. Эта модель станет «базовой», которую вы будете улучшать в следующих упражнениях. Начнём с разделения данных на обучающую и тестовую выборки и определения модели случайного леса. Доступные данные — признаки X и метки y.
Это упражнение является частью курса
Обнаружение мошенничества на Python
Инструкции к упражнению
- Импортируйте классификатор случайного леса из
sklearn. - Разделите признаки
Xи меткиyна обучающую и тестовую выборки. Выделите 30% данных для тестирования. - Присвойте классификатор случайного леса переменной
modelи сохраните значениеrandom_stateравным 5. Фиксированное состояние генератора случайных чисел необходимо для корректного сравнения результатов разных моделей.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import the random forest model from sklearn
from sklearn.ensemble import ____
# Split your data into training and test set
X_train, X_test, y_train, y_test = ____(____, ____, test_size=____, random_state=0)
# Define the model as the random forest
model = ____(random_state=5)