Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lernen Herausforderung: Implementierung eines Random Forest | Random Forest
Klassifikation mit Python
course content

Kursinhalt

Klassifikation mit Python

Klassifikation mit Python

1. K-NN Klassifikator
Was Ist KlassifikationWas Ist k-NNK-NN mit Mehreren MerkmalenImplementierung von k-NNMehrklassenklassifikationTrain-Test-Split. KreuzvalidierungHerausforderung: Den Besten K-Wert Wählen.K-nn Zusammenfassung
2. Logistische Regression
Was Ist Logistische RegressionParameter FindenHerausforderung: Implementierung der Logistischen RegressionEntscheidungsgrenzeÜberanpassung. RegularisierungHerausforderung: Klassifizierung Nicht Trennbarer DatenZusammenfassung der Logistischen Regression
3. Entscheidungsbaum
Was Ist Ein EntscheidungsbaumAufteilen der KnotenVerrückter BaumHerausforderung: Implementierung eines EntscheidungsbaumsEntscheidungsbaum-Zusammenfassung
4. Random Forest
Was Ist Random ForestDie Zufälligkeit des WaldesHerausforderung: Implementierung eines Random ForestZusammenfassung des Random Forest
5. Modelle Vergleichen
KonfusionsmatrixMetrikenHerausforderung: Modelle VergleichenZusammenfassung

book
Herausforderung: Implementierung eines Random Forest

In diesem Kapitel werden Sie einen Random Forest unter Verwendung desselben Titanic-Datensatzes erstellen.

Außerdem berechnen Sie die Kreuzvalidierungsgenauigkeit mit der Funktion cross_val_score().

Am Ende werden Sie die Feature-Wichtigkeiten ausgeben.
Das Attribut feature_importances_ enthält nur ein Array mit Wichtigkeiten, ohne den Namen eines Features anzugeben.
Um die Paare ('name', importance) auszugeben, können Sie die folgende Syntax verwenden:

Aufgabe

Swipe to start coding

  1. Importieren Sie die RandomForestClassifier-Klasse.
  2. Erstellen Sie eine Instanz einer RandomForestClassifier-Klasse mit Standardparametern und trainieren Sie sie.
  3. Drucken Sie die Kreuzvalidierungsbewertung mit cv=10 des gerade erstellten random_forest aus.
  4. Drucken Sie die Wichtigkeit jedes Merkmals zusammen mit seinem Namen aus.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 4. Kapitel 3
toggle bottom row

book
Herausforderung: Implementierung eines Random Forest

In diesem Kapitel werden Sie einen Random Forest unter Verwendung desselben Titanic-Datensatzes erstellen.

Außerdem berechnen Sie die Kreuzvalidierungsgenauigkeit mit der Funktion cross_val_score().

Am Ende werden Sie die Feature-Wichtigkeiten ausgeben.
Das Attribut feature_importances_ enthält nur ein Array mit Wichtigkeiten, ohne den Namen eines Features anzugeben.
Um die Paare ('name', importance) auszugeben, können Sie die folgende Syntax verwenden:

Aufgabe

Swipe to start coding

  1. Importieren Sie die RandomForestClassifier-Klasse.
  2. Erstellen Sie eine Instanz einer RandomForestClassifier-Klasse mit Standardparametern und trainieren Sie sie.
  3. Drucken Sie die Kreuzvalidierungsbewertung mit cv=10 des gerade erstellten random_forest aus.
  4. Drucken Sie die Wichtigkeit jedes Merkmals zusammen mit seinem Namen aus.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 4. Kapitel 3
Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
We're sorry to hear that something went wrong. What happened?
some-alt