Bosques aleatorios en Python

Un ensamble de árboles, y las importancias de características que trae consigo.

from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

X, y = load_iris(return_X_y=True)
X_entreno, X_prueba, y_entreno, y_prueba = train_test_split(
    X, y, test_size=0.3, random_state=0)

bosque = RandomForestClassifier(
    n_estimators=200, max_depth=4, random_state=0)
bosque.fit(X_entreno, y_entreno)

print(f"{bosque.score(X_prueba, y_prueba):.3f}")
for nombre, peso in zip(load_iris().feature_names,
                        bosque.feature_importances_):
    print(f"{nombre:22} {peso:.3f}")

Cómo funciona

1. n_estimators es cuántos árboles votan.
2. feature_importances_ clasifica las columnas en que se apoyó el bosque.
3. Los árboles no necesitan escalado, lo que los vuelve un buen primer modelo.

Palabras clave y builtins usados aquí

• for
• print
• zip

El intento, en números

Líneas

16

Caracteres a escribir

554

Tokens

126

Ritmo de tres estrellas

110 tpm

Al ritmo de tres estrellas de 110 tokens por minuto, este intento toma unos 69 segundos.

Escribe este fragmento

Paso 1 de 4 en Modelos; paso 12 de 25 en Machine learning con scikit-learn.

← Anterior Siguiente →