Beräkna noggrannhet

Nu när du har delat upp datan i tränings- och testmängder kan du träna modellen på träningsdatan och sedan förutsäga etiketterna för testdatan. Det är precis det du får öva på i den här övningen.

Hittills har du använt logistisk regression och beslutsträd. Här använder du en RandomForestClassifier, som kan ses som ett ensembel av beslutsträd och generellt presterar bättre än ett enskilt beslutsträd.

Ditt arbete från tidigare övningar finns kvar, och tränings- och testmängderna är tillgängliga i variablerna X_train, X_test, y_train och y_test.

Den här övningen är en del av kursen

Marknadsföringsanalys: Prediktera kundbortfall i Python

Visa kurs

Övningsinstruktioner

Importera RandomForestClassifier från sklearn.ensemble.
Skapa en instans av RandomForestClassifier och döp den till clf.
Träna clf på träningsdatan: X_train och y_train.
Beräkna noggrannheten för clf på testdatan med metoden .score().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import RandomForestClassifier


# Instantiate the classifier
clf = ____

# Fit to the training data


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

Redigera och kör kod