Fit một random forest
Các nhà khoa học dữ liệu thường dùng mô hình random forest. Chúng cho hiệu năng tốt ngay từ đầu và có nhiều tham số để tối ưu. Random forest có thể dùng cho phân loại hoặc hồi quy; ở đây ta sẽ dùng hồi quy để dự đoán mức thay đổi giá tương lai của LNG.
Ta sẽ tạo và fit mô hình random forest tương tự như decision tree bằng phương thức .fit(features, targets). Với RandomForestRegressor của sklearn, có sẵn phương thức .score() để đánh giá hiệu năng. Phương thức này nhận các đối số (features, targets) và trả về điểm R\(^2\) (hệ số xác định).
Bài tập này là một phần của khóa học
Machine Learning cho Tài chính bằng Python
Hướng dẫn bài tập
- Tạo mô hình random forest bằng lớp
RandomForestRegressorđã import. - Fit (train) random forest với
train_featuresvàtrain_targets. - In ra điểm R\(^2\) trên tập train và tập test.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
from sklearn.ensemble import RandomForestRegressor
# Create the random forest model and fit to the training data
rfr = ____(n_estimators=200)
rfr.fit(____, ____)
# Look at the R^2 scores on train and test
print(rfr.score(train_features, train_targets))
print(____)