Kom igångKom igång gratis

Träna en RF-regressor

I följande övningar ska du förutsäga efterfrågan på cykeluthyrning i Capital Bikeshare-programmet i Washington, D.C., med hjälp av historiska väderdata från datamängden Bike Sharing Demand på Kaggle. Du kommer att använda algoritmen för slumpmässiga skogar (random forests). Som ett första steg definierar du en random forests-regressor och anpassar den till träningsdata.

Datamängden är förberedd och uppdelad i 80% träning och 20% test. Särdragsmatrisen X_train och arrayen y_train finns tillgängliga i din arbetsyta.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i Python

Visa kurs

Övningsinstruktioner

  • Importera RandomForestRegressor från sklearn.ensemble.

  • Skapa en instans av RandomForestRegressor med namnet rf bestående av 25 träd.

  • Anpassa rf till träningsdata.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import RandomForestRegressor
____

# Instantiate rf
rf = ____(n_estimators=____,
            random_state=2)
            
# Fit rf to the training set    
____.____(____, ____)
Redigera och kör kod