6. Random Forests

● Random Forest

 → 여러 개의 트리를 사용하며, 각 구성 트리의 예측값을 평균하여 예측을 수행

 

from sklearn.ensemble import RandomForestRegressor

# 랜덤 포레스트 회귀 모델 객체 rf_model 생성
rf_model = RandomForestRegressor()

# 생성한 랜덤 포레스트 모델을 훈련 데이터 train_X와 그에 해당하는 타겟 값 train_y에 학습시키기
rf_model.fit(train_X, train_y)

# 학습된 랜덤 포레스트 모델을 사용하여 검증 데이터 val_X에 대한 예측값 저장
rf_var_predictions = rf_model.predict(val_X)

# 검증 데이터에 대한 랜덤 포레스트 모델의 예측값인 rf_var_predictions와 실제 타겟 값 val_y 사이의 평균 절대 오차 계산
rf_val_mae = mean_absolute_error(rf_var_predictions, val_y)

print("Validation MAE for Random Forest Model: {}".format(rf_val_mae))