Oppiskele Challenge: Implementing a Random Forest

In this chapter, you will build a Random Forest using the same titanic dataset.

Also, you will calculate the cross-validation accuracy using the cross_val_score() function

In the end, you will print the feature importances.
The feature_importances_ attribute only holds an array with importances without specifying the name of a feature.
To print the pairs ('name', importance), you can use the following syntax:

for f in zip(X.columns, model.feature_importances_):
    print(f)

Tehtävä

Swipe to start coding

Import the RandomForestClassifier class.
Create an instance of a RandomForestClassifier class with default parameters and train it.
Print the cross-validation score with the cv=10 of a random_forest you just built.
Print each feature's importance along with its name.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 4. Luku 3

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

In this chapter, you will build a Random Forest using the same titanic dataset.

Also, you will calculate the cross-validation accuracy using the cross_val_score() function

for f in zip(X.columns, model.feature_importances_):
    print(f)

Tehtävä

Swipe to start coding

Import the RandomForestClassifier class.
Create an instance of a RandomForestClassifier class with default parameters and train it.
Print the cross-validation score with the cv=10 of a random_forest you just built.
Print each feature's importance along with its name.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 4. Luku 3

single

Pyyhkäise näyttääksesi valikon

In this chapter, you will build a Random Forest using the same titanic dataset.

Also, you will calculate the cross-validation accuracy using the cross_val_score() function

for f in zip(X.columns, model.feature_importances_):
    print(f)

Tehtävä

Swipe to start coding

Import the RandomForestClassifier class.
Create an instance of a RandomForestClassifier class with default parameters and train it.
Print the cross-validation score with the cv=10 of a random_forest you just built.
Print each feature's importance along with its name.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Challenge: Implementing a Random Forest

Ratkaisu

Awesome!

Challenge: Implementing a Random Forest

Ratkaisu

Awesome!

Challenge: Implementing a Random Forest

Ratkaisu