Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- import pandas as pd
- from sklearn.model_selection import train_test_split
- from sklearn.ensemble import RandomForestRegressor
- from sklearn.metrics import r2_score
- # прочитайте данные с атрибутами аккаунтов компаний на facebook и активностью на них
- fb = pd.read_csv('/datasets/dataset_facebook_cosmetics.csv', sep = ';')
- # разделите данные на признаки (матрица X) и целевую переменную (y)
- X = fb.drop('Total Interactions', axis = 1)
- y = fb['Total Interactions']
- # разделяем модель на обучающую и валидационную выборку
- X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
- # зададим алгоритм для нашей модели
- model = RandomForestRegressor()
- # обучим модель
- model.fit(X_train, y_train)
- # воспользуемся уже обученной моделью, чтобы сделать прогнозы
- predictions = model.predict(X_test)
- # оценим метрику R-квадрат на валидационной выборке и напечатаем
- r2 = r2_score(y_test, predictions)
- print('Значение метрики R-квадрат: ', r2)
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement