Lära 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)

Uppgift

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.

Lösning

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 4. Kapitel 3

single

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Svep för att visa menyn

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)

Uppgift

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.

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 4. Kapitel 3

single

Challenge: Implementing a Random Forest

Lösning

Awesome!

Challenge: Implementing a Random Forest

Lösning

Awesome!