Random Forest Classifier — частина 1

Створімо перший класифікатор Random Forest для виявлення шахрайства. Сподіваємося, вам вдасться перевершити базову точність, яку щойно обчислили, — приблизно 96%. Ця модель слугуватиме «базовою» моделлю, яку ви вдосконалюватимете у наступних вправах. Почнімо з поділу даних на тренувальну та тестову вибірки і визначення моделі Random Forest. Доступні дані — це ознаки X та мітки y.

Ця вправа є частиною курсу

Виявлення шахрайства в Python

Переглянути курс

Інструкції до вправи

Імпортуйте класифікатор Random Forest із sklearn.
Розділіть ваші ознаки X і мітки y на тренувальну та тестову вибірки. Відкладіть 30% у тестову вибірку.
Присвойте класифікатор Random Forest змінній model і залиште random_state рівним 5. Потрібно зафіксувати випадковий стан, щоб мати змогу порівнювати результати між різними моделями.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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)

Редагувати та запускати код