Một khu rừng các cây quyết định
Trong bài tập này, bạn sẽ luyện tập sử dụng Decision Tree với bootstrap, thường được gọi là Random Forest. Tương tự bài trước, bạn sẽ so sánh độ chính xác của nó với một mô hình đã tinh chỉnh siêu tham số bằng cross-validation.
Lần này, bạn sẽ tinh chỉnh thêm một siêu tham số, max_features, cho phép mô hình quyết định số lượng đặc trưng sẽ dùng. Khi không thiết lập cụ thể, nó mặc định là auto. Một điều cần nhớ cho phỏng vấn: Decision Tree mặc định xét tất cả đặc trưng, trong khi Random Forest thường xét căn bậc hai của số lượng đặc trưng.
Ma trận đặc trưng X, nhãn mục tiêu y, và train_test_split từ sklearn.model_selection đã được nhập sẵn cho bạn.
Bài tập này là một phần của khóa học
Luyện tập câu hỏi phỏng vấn Machine Learning bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import modules
from sklearn.ensemble import ____
from sklearn.metrics import accuracy_score
# Train/test split
X_train, X_test, y_train, y_test = train_test_split(____, ____, test_size=0.30, random_state=123)
# Instantiate, Fit, Predict
loans_rf = ____()
loans_rf.____(____, ____)
y_pred = loans_rf.____(____)
# Evaluation metric
print("Random Forest Accuracy: {}".format(____(____,____)))