Random Forest Classifier - ส่วนที่ 1

มาสร้าง random forest classifier ตัวแรกสำหรับการตรวจจับการฉ้อโกงกัน เป้าหมายคือทำให้ได้ผลดีกว่าความแม่นยำของ baseline ที่คำนวณไปก่อนหน้านี้ ซึ่งอยู่ที่ประมาณ 96% โมเดลนี้จะทำหน้าที่เป็น "โมเดล baseline" ที่จะนำมาปรับปรุงในแบบฝึกหัดถัดไป เริ่มต้นด้วยการ แบ่งข้อมูลออกเป็นชุดทดสอบและชุดฝึก แล้วจึง กำหนดโมเดล Random Forest โดยข้อมูลที่มีอยู่ได้แก่ฟีเจอร์ X และป้ายกำกับ y

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การตรวจจับการฉ้อโกงด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

นำเข้า random forest classifier จาก sklearn
แบ่งฟีเจอร์ X และป้ายกำกับ y ออกเป็นชุดฝึกและชุดทดสอบ โดยแบ่งข้อมูล 30% ไว้สำหรับชุดทดสอบ
กำหนด random forest classifier ให้กับตัวแปร model และตั้งค่า random_state เป็น 5 การกำหนด random state นี้จำเป็นสำหรับการเปรียบเทียบผลลัพธ์ระหว่างโมเดลต่าง ๆ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import the random forest model from sklearn
from sklearn.ensemble import ____

# Split your data into training and test set
X_train, X_test, y_train, y_test = ____(____, ____, test_size=____, random_state=0)

# Define the model as the random forest
model = ____(random_state=5)

แก้ไขและรันโค้ด