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

Вправа

Зробіть передбачення за допомогою випадкового лісу

Щоб навчити модель машинного навчання для передбачення оптимальних портфелів, потрібно створити тренувальну та тестову вибірки для оцінювання якості. Зробимо це так само, як у попередніх розділах: візьмемо масиви features і targets та розіб'ємо їх за заданим train_size. Зазвичай тренувальна частка становить близько 70–90% даних.

Далі навчаємо модель (у нашому випадку — випадковий ліс) на тренувальних даних і оцінюємо значення R\(^2\) на train і test за допомогою .score() з нашої моделі. У цьому завданні гіперпараметри вже задані, але зазвичай варто виконати пошук із ParameterGrid, як ми робили в попередніх розділах.

Інструкції

100 XP
  • Встановіть train_size як 85% від повного набору тренувальних даних, використовуючи властивість .shape об'єкта features.
  • Створіть тренувальні та тестові цільові значення з targets, використовуючи індексацію Python.
  • Навчіть модель випадкового лісу на train_features і train_targets.