ПочатиПочніть безкоштовно

Навчіть регресор RF

У наступних вправах ви передбачатимете попит на оренду велосипедів у програмі Capital Bikeshare у Вашингтоні, округ Колумбія, використовуючи історичні погодні дані з набору Bike Sharing Demand, доступного на Kaggle. Для цього ви використаєте алгоритм random forests. Спершу ви визначите регресор random forests і натренуєте його на тренувальній вибірці.

Набір даних уже підготовлено та розбито на 80% тренування і 20% тест. Матриця ознак X_train і масив цільових значень y_train доступні у вашому робочому середовищі.

Ця вправа є частиною курсу

Машинне навчання з деревоподібними моделями в Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте RandomForestRegressor з sklearn.ensemble.

  • Створіть екземпляр RandomForestRegressor під назвою rf, що складається з 25 дерев.

  • Натренуйте rf на тренувальній вибірці.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import RandomForestRegressor
____

# Instantiate rf
rf = ____(n_estimators=____,
            random_state=2)
            
# Fit rf to the training set    
____.____(____, ____)
Редагувати та запускати код