НачатьНачать бесплатно

Задание параметров и обучение модели

Задачи прогнозирования делятся на два типа: регрессия и классификация. В наборе данных о конфетах целевая переменная является непрерывной — она описывает, как часто одна конфета выигрывала у другой в серии парных сравнений. Для предсказания этого значения (процента побед) используется модель регрессии.

В этом упражнении вы зададите несколько параметров для модели регрессии на основе случайного леса rfr.

Это упражнение является частью курса

Валидация моделей на Python

Посмотреть курс

Инструкции к упражнению

  • Задайте параметры объекта rfr так, чтобы количество деревьев равнялось 100, а максимальная глубина каждого дерева — 6.
  • Чтобы результаты были воспроизводимы, установите случайное состояние равным 1111.
  • Используйте метод .fit() для обучения модели регрессии на случайном лесу, передав X_train в качестве входных данных и y_train в качестве целевых значений.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Set the number of trees
rfr.____ = ____

# Add a maximum depth
rfr.____ = ____

# Set the random state
rfr.____ = ____

# Fit the model
rfr.____(____, ____)
Редактировать и запускать код