1. Learn
    2. /
  2. Courses
    3. /
  3. Machine Learning для фінансів у Python
Connected

Exercise

Навчіть random forest

Фахівці з даних часто використовують моделі random forest. Вони добре працюють «з коробки» і мають багато параметрів для оптимізації продуктивності. Random forest можна застосовувати для класифікації або регресії; ми використаємо її для регресії, щоб спрогнозувати майбутню зміну ціни LNG.

Ми створимо та навчимо модель random forest подібно до дерев рішень, використовуючи метод .fit(features, targets). У sklearn для RandomForestRegressor є вбудований метод .score(), яким можна оцінити якість. Він приймає аргументи (features, targets) і повертає метрику R\(^2\) (коефіцієнт детермінації).

Instructions

100 XP
  • Створіть модель random forest за допомогою імпортованого класу RandomForestRegressor.
  • Навчіть (потренуйте) random forest на train_features і train_targets.
  • Виведіть значення R\(^2\) на тренувальній і тестовій вибірках.