训练一个 RF 回归器
接下来的练习中，您将使用 Kaggle 提供的 Bike Sharing Demand 数据集中的历史天气数据，预测华盛顿特区 Capital Bikeshare 项目的单车租赁需求。为此，您将使用随机森林算法。第一步，您将定义一个随机森林回归器，并将其拟合到训练集。
数据集已为您预处理，并按 80% 训练集和 20% 测试集拆分。特征矩阵 X_train 和目标数组 y_train 已在您的工作区中可用。
本练习是课程的一部分
Python 树模型机器学习
练习说明
从
sklearn.ensemble导入RandomForestRegressor。实例化一个名为
rf的RandomForestRegressor，包含 25 棵树。将
rf拟合到训练集。
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 RandomForestRegressor
____
# Instantiate rf
rf = ____(n_estimators=____,
random_state=2)
# Fit rf to the training set
____.____(____, ____)