Bir random forest modeli eğit
Veri bilimciler sıklıkla random forest modelleri kullanır. Kutudan çıktığı gibi iyi performans verirler ve performansı iyileştirmek için pek çok ayar sunarlar. Random forest'lar sınıflandırma veya regresyon için kullanılabilir; biz LNG'nin gelecekteki fiyat değişimini tahmin etmek için regresyonda kullanacağız.
Random forest modelini, karar ağaçlarında olduğu gibi .fit(features, targets) yöntemiyle oluşturup eğiteceğiz. sklearn'in RandomForestRegressor sınıfında, performansı değerlendirmek için kullanabileceğimiz yerleşik bir .score() yöntemi vardır. Bu yöntem (features, targets) argümanlarını alır ve R\(^2\) skorunu (belirleme katsayısı) döndürür.
Bu egzersiz, kursun bir parçasıdır
Python ile Finans için Machine Learning
Egzersiz talimatları
- İçe aktardığın
RandomForestRegressorsınıfıyla random forest modelini oluştur. - Random forest'ı
train_featuresvetrain_targetsile fit et (eğit). - Eğitim ve test kümeleri için R\(^2\) skorunu yazdır.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
from sklearn.ensemble import RandomForestRegressor
# Create the random forest model and fit to the training data
rfr = ____(n_estimators=200)
rfr.fit(____, ____)
# Look at the R^2 scores on train and test
print(rfr.score(train_features, train_targets))
print(____)