設定參數並訓練模型
預測任務通常分為兩類：迴歸或分類。在這個糖果資料集中，輸出變數是「連續」型，描述在一系列 1 對 1 對決中，某個糖果被選擇勝過另一個糖果的頻率。為了預測這個數值（勝率），你將使用「迴歸」模型。
在本練習中，你會使用隨機森林迴歸模型 rfr，並指定幾個參數。
本練習屬於課程
Python 的模型驗證
練習說明
- 在
rfr中加入參數，將樹的數量設為 100，且每棵樹的最大深度設為 6。 - 為了讓結果可重現，將隨機種子設為
1111。 - 使用
.fit()方法訓練隨機森林迴歸模型，將X_train作為輸入資料，y_train作為目標。
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。
# Set the number of trees
rfr.____ = ____
# Add a maximum depth
rfr.____ = ____
# Set the random state
rfr.____ = ____
# Fit the model
rfr.____(____, ____)