我是不是在欠擬合？
你正在建立一個隨機森林模型，來預測你是否會在未來的井字遊戲中獲勝。使用 tic_tac_toe 資料集，你已經建立了訓練與測試資料集 X_train、X_test、y_train 和 y_test。
你決定建立多個具有不同樹數的隨機森林模型（1、2、3、4、5、10、20、50）。樹越多，隨機森林模型執行所需時間越長。然而，如果樹不夠多，就有欠擬合的風險。你已建立一個 for 迴圈，在不同的樹數下測試模型。
本練習屬於課程
Python 的模型驗證
練習說明
- 在每次迴圈中，對
X_train與X_test兩個資料集進行預測。 - 在每次迴圈中，將
y_train與其對應預測的accuracy_score()加到train_scores。 - 在每次迴圈中，將
y_test與其對應預測的accuracy_score()加到test_scores。 - 使用提供的列印敘述印出訓練與測試分數。
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。
from sklearn.metrics import accuracy_score
test_scores, train_scores = [], []
for i in [1, 2, 3, 4, 5, 10, 20, 50]:
rfc = RandomForestClassifier(n_estimators=i, random_state=1111)
rfc.fit(X_train, y_train)
# Create predictions for the X_train and X_test datasets.
train_predictions = rfc.predict(____)
test_predictions = rfc.predict(____)
# Append the accuracy score for the test and train predictions.
train_scores.append(round(____(____, ____), 2))
test_scores.append(round(____(____, ____), 2))
# Print the train and test scores.
print("The training scores were: {}".format(____))
print("The testing scores were: {}".format(____))