지난 시간까지 내용을 다루며, 모델에 데이터를 넣을 준비가 되었습니다.

이제 Lv3 모델링을 통해서, 실제로 모델을 학습하고 성능을 높여봅시다!

Lv3에서 사용할 모델은 지난 Lv2 모델링에서 다루었던 “RandomForest” 모형입니다. [참고 링크]

다만 이번에는 “회귀 모형”이 아닌 “분류 모형”을 사용해볼겁니다.

회귀 모형은 집값, 주가, 시가 등등 특정한 값을 맞추는 모형이라면,

분류 모형은 어떤 그룹에 속할지를 예측하는 모형입니다.

우리가 다루고 있는 “와인 품질 분류”는 말 그대로, 와인의 품질이 어느정도일지를 예측하는 문제이기 때문에, “분류 모델”을 사용해서 예측해볼 겁니다.

이번 시간에는 Randomforest 모형을 불러와 정의하는 실습을 해볼게요

Random Forest 모형은 위에서 불러왔던 것과 같이, sklearn.ensemble 안에 있습니다

이제 실습으로 들어가봅시다.

-----------------------------------------------------------------------------------------------------------------

랜덤포레스트 분류 모형을 불러오세요

from sklearn.ensemble import RandomForestClassifier

랜덤포레스트 분류 모형을 "random_forest"라는 변수에 저장하세요

random_forest = RandomForestClassifier()

-----------------------------------------------------------------------------------------------------------------

[Colab 실습 링크]

↩️ 오늘의 파이썬 리스트

#데이콘_101 #AI #머신러닝 #딥러닝 #파이썬 #파이선  #데이터분석 #데이터사이언티스트 #코랩 #Python  #colab #kaggle #pandas #numpy #sckit-learn # read_csv #randomforest #randomforestclassifier #랜덤포레스트