Ensemble med Random Forest
Frågor om ensemblemodeller är vanliga i en maskininlärningsintervju. Om du får en datamängd och ombeds att bygga en modell med hög noggrannhet, vill du troligen överväga dessa mer komplexa modeller.
Din utmaning i resten av kursens sista lektion är att skapa och jämföra två olika ensemblemodeller för loan_data.
I den här övningen skapar du en Random Forest-klassificerare och jämför dess prestandamätvärden med modellen i nästa övning.
Data har redan delats upp och finns tillgänglig i din arbetsyta som X_train, X_test, y_train och y_test.
Den här övningen är en del av kursen
Öva på maskininlärningsintervjufrågor i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import
from sklearn.ensemble import ____
from sklearn.____ import ____, ____, ____, ____, _____
# Instantiate
rf_model = ____(____=____, random_state=123, oob_score = True)