RandomForest 모델링

테스트 셋과 트레이닝 셋을 가지고 학습을 할 수 있다.
맨 처음 모델로 랜포 모델을 소개한다.

from sklearn.ensemble import RandomForestRegressor 
#모델 선언
rf = RandomForestRegressor(n_jobs = 4, random_state = 42) 
#모델 학습
rf.fit(train2, train['casual']) 

RandomForestRegressor의 인자로 사용되는 n_jobs는 cpu라고 생각하면 된다. 4혹은 -1로 작성하면 훨씬 더 빠르게 모델을 돌릴 수 있다. random_state도 고정값으로 정해주면 된다. (42가 아니어도 된다.)

마지막 줄에서 학습을 시켜준다.
.fit의 인자로 정답 칼럼이 없는 학습 데이터를 넣어주고, 정답 칼럼의 데이터를 넣어준다.

여기서 중요한 부분은 첫번째 인자는 전체 데이터를 넣어준다는 것이고, 두번째 인자는 정답 데이터의 셀 만 ! 넣어줘야 한다.

모델에서 학습을 시켜주었으면, 이제 테스트 세트에서 예측을 해야 한다.

result_cas = rf.predict(test2)

테스트 세트에서 학습한 결과를 받아준다.
다음 글에서 어떻게 이 결과를 submission파일에 넣는지 확인해보자.

RandomForest의 자세한 설명은 후에 CatBoost 모델을 설명할 때 같이 언급하여 비교해보도록 하겠다.