머신러닝 실습 - 4. 랜덤 포레스트로 붓꽃 데이터 분류

 이 글에서는 Scikit-learn의 sklearn 라이브러리를 사용하여 랜덤 포레스트 모델을 훈련하고, 파라미터들을 조절해가며 성능을 비교한다. 결정 트리에 관한 이론적 내용을 알고 싶다면 이곳으로.

---

코드 (나머지 시행에서는 올리지 않음)

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
import matplotlib.pyplot as plt
from sklearn.metrics import accuracy_score

iris = datasets.load_iris()

X = iris.data
y = iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3, random_state = 1, stratify=y)

rf_model = RandomForestClassifier(n_estimators=25, random_state=1, n_jobs=2)
rf_model.fit(X_train, y_train)

predict = rf_model.predict(X_test)
accuracy = accuracy_score(y_test, predict)
print('Accuracy: ', accuracy)

---

결과

Accuracy:  0.9777777777777777