计算准确率
在将数据划分为训练集和测试集之后，您现在可以将模型拟合到训练数据上，然后对测试数据进行标签预测。本练习将带您完成这一过程。
到目前为止，您已经使用过逻辑回归和决策树。在这里，您将使用 RandomForestClassifier。它可以理解为由多棵决策树组成的集成模型，通常优于单棵决策树。
您在前面练习中的工作已经保留下来，训练集和测试集分别存放在变量 X_train、X_test、y_train 和 y_test 中。
本练习是课程的一部分
营销分析：用 Python 预测客户流失
练习说明
- 从
sklearn.ensemble导入RandomForestClassifier。 - 实例化一个
RandomForestClassifier，命名为clf。 - 将
clf拟合到训练数据：X_train和y_train。 - 使用
.score()方法计算clf在测试数据上的准确率。
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 RandomForestClassifier
# Instantiate the classifier
clf = ____
# Fit to the training data
# Compute accuracy
print(____.____(____, ____))