計算準確率
在你把資料分成訓練集與測試集之後，就可以先把模型擬合在「訓練」資料上，接著再去預測「測試」資料的標籤。這個練習會帶你實作這些步驟。
到目前為止，你已經用過 Logistic Regression 與 Decision Trees。這裡你會使用 RandomForestClassifier，它可以被視為多棵 Decision Trees 的集成，一般來說會比單一的 Decision Tree 表現更好。
你在前面練習的成果已經延續過來，訓練集與測試集分別存放在變數 X_train、X_test、y_train 與 y_test 中。
本練習屬於課程
行銷分析：用 Python 預測客戶流失
練習說明
- 從
sklearn.ensemble匯入RandomForestClassifier。 - 將
RandomForestClassifier例項化為clf。 - 使用訓練資料
X_train和y_train擬合clf。 - 使用
.score()方法計算clf在測試資料上的準確率。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import RandomForestClassifier
# Instantiate the classifier
clf = ____
# Fit to the training data
# Compute accuracy
print(____.____(____, ____))