Apprendre Défi : Implémentation d'une Forêt Aléatoire

Dans ce chapitre, vous allez construire une Forêt Aléatoire en utilisant le même jeu de données du Titanic.

De plus, vous calculerez la précision de la validation croisée en utilisant la fonction cross_val_score()

À la fin, vous afficherez les importances des caractéristiques.
L'attribut feature_importances_ ne contient qu'un tableau avec les importances sans spécifier le nom d'une caractéristique.
Pour imprimer les paires ('nom', importance), vous pouvez utiliser la syntaxe suivante :

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

Tâche

Swipe to start coding

Importez la classe RandomForestClassifier.
Créez une instance de la classe RandomForestClassifier avec les paramètres par défaut et entraînez-la.
Imprimez le score de validation croisée avec cv=10 du random_forest que vous venez de construire.
Imprimez l'importance de chaque caractéristique avec son nom.

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 4. Chapitre 3

single

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Dans ce chapitre, vous allez construire une Forêt Aléatoire en utilisant le même jeu de données du Titanic.

De plus, vous calculerez la précision de la validation croisée en utilisant la fonction cross_val_score()

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

Tâche

Swipe to start coding

Importez la classe RandomForestClassifier.
Créez une instance de la classe RandomForestClassifier avec les paramètres par défaut et entraînez-la.
Imprimez le score de validation croisée avec cv=10 du random_forest que vous venez de construire.
Imprimez l'importance de chaque caractéristique avec son nom.

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 4. Chapitre 3

single

Glissez pour afficher le menu

Dans ce chapitre, vous allez construire une Forêt Aléatoire en utilisant le même jeu de données du Titanic.

De plus, vous calculerez la précision de la validation croisée en utilisant la fonction cross_val_score()

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

Tâche

Swipe to start coding

Importez la classe RandomForestClassifier.
Créez une instance de la classe RandomForestClassifier avec les paramètres par défaut et entraînez-la.
Imprimez le score de validation croisée avec cv=10 du random_forest que vous venez de construire.
Imprimez l'importance de chaque caractéristique avec son nom.

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Défi : Implémentation d'une Forêt Aléatoire

Solution

Awesome!

Défi : Implémentation d'une Forêt Aléatoire

Solution

Awesome!

Défi : Implémentation d'une Forêt Aléatoire

Solution