Обчислення точності

Після поділу даних на тренувальну та тестову вибірки ви можете навчити модель на тренувальних даних, а потім передбачити мітки для тестових даних. Саме це ви потренуєтеся робити у цій вправі.

Дотепер ви використовували Logistic Regression і Decision Trees. Тут ви застосуєте RandomForestClassifier, який можна розглядати як ансамбль дерев рішень, що зазвичай перевершує окреме дерево рішень.

Ваші результати з попередніх вправ збережено, а тренувальна та тестова вибірки доступні у змінних X_train, X_test, y_train і y_test.

Ця вправа є частиною курсу

Маркетингова аналітика: прогнозування відтоку клієнтів у Python

Переглянути курс

Інструкції до вправи

Імпортуйте RandomForestClassifier із sklearn.ensemble.
Створіть екземпляр RandomForestClassifier як clf.
Навчіть clf на тренувальних даних: X_train і y_train.
Обчисліть точність clf на тестових даних за допомогою методу .score().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import RandomForestClassifier


# Instantiate the classifier
clf = ____

# Fit to the training data


# Compute accuracy
print(____.____(____, ____))

Редагувати та запускати код