Вычисление точности

Разделив данные на обучающую и тестовую выборки, вы можете обучить модель на обучающих данных, а затем предсказать метки для тестовых. Именно это вы и будете практиковать в этом упражнении.

До сих пор вы работали с логистической регрессией и деревьями решений. Здесь вы используете RandomForestClassifier — ансамбль деревьев решений, который, как правило, превосходит по качеству одиночное дерево решений.

Результаты предыдущих упражнений сохранены: обучающая и тестовая выборки доступны в переменных X_train, X_test, y_train и y_test.

Это упражнение является частью курса

Маркетинговая аналитика: прогнозирование оттока клиентов на Python

Посмотреть курс

Инструкции к упражнению

Импортируйте RandomForestClassifier из sklearn.ensemble.
Создайте экземпляр RandomForestClassifier и присвойте его переменной clf.
Обучите clf на обучающих данных: X_train и y_train.
Вычислите точность clf на тестовых данных с помощью метода .score().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import RandomForestClassifier


# Instantiate the classifier
clf = ____

# Fit to the training data


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

Редактировать и запускать код