Random Forest 分类器 - 第 1 部分
现在来构建第一个用于欺诈检测的 随机森林分类器。希望您的结果能优于刚才计算的基线准确率（大约 96%）。这个模型将作为您在接下来的练习中要改进的 "基线"模型。首先，请先完成 将数据划分为训练集和测试集，并 定义随机森林模型。可用的数据包括特征 X 和标签 y。
本练习是课程的一部分
Python 中的欺诈检测
练习说明
- 从
sklearn导入随机森林分类器。 - 将特征
X和标签y划分为训练集和测试集。请将 30% 的数据留作测试集。 - 将随机森林分类器赋给
model，并将random_state设为 5。这里需要设定随机种子，以便在不同模型间对比结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the random forest model from sklearn
from sklearn.ensemble import ____
# Split your data into training and test set
X_train, X_test, y_train, y_test = ____(____, ____, test_size=____, random_state=0)
# Define the model as the random forest
model = ____(random_state=5)