隨機森林（Random Forest）集成模型
在機器學習面試中，關於集成模型的題目很常見。若你拿到一個資料集並被要求建立高準確度的模型，通常會考慮這類較複雜的模型。
在本課最後一節的剩餘部分，你的挑戰是為 loan_data 建立並比較兩種不同的集成模型。
在這個練習中，你會建立一個 Random Forest 分類器，並將其效能指標與下一個練習中的模型進行比較。
資料已經分割好，並可在你的工作空間中使用 X_train、X_test、y_train 與 y_test。
本練習屬於課程
用 Python 練習機器學習面試題
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
from sklearn.ensemble import ____
from sklearn.____ import ____, ____, ____, ____, _____
# Instantiate
rf_model = ____(____=____, random_state=123, oob_score = True)