1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu
Connected

cvičení

Gradient boosting ensemble

Boosting je technika, při které se chyba jednoho prediktoru předává jako vstup dalšímu – a to postupně, v sekvenci. Gradient Boosting využívá postup gradientního sestupu k minimalizaci log loss pro každý přidávaný klasifikační strom, který je sám o sobě slabým rozhodovacím modelem. Gradient Boosting pro regresi funguje podobně, ale používá ztrátovou funkci, jako je střední kvadratická chyba aplikovaná na gradientní sestup.

V tomto cvičení vytvoříš model Gradient Boosting Classifier a porovnáš jeho výkon s modelem Random Forest z předchozího cvičení, který dosáhl přesnosti 72,5 %.

DataFrame loan_data je již rozdělený a dostupný v pracovním prostoru jako X_train, X_test, y_train a y_test.

Pokyny 1/4

undefined XP
    1
    2
    3
    4
  • Importuj moduly potřebné k vytvoření modelu Gradient Boosting a k výpisu matice záměn, přesnosti, preciznosti, úplnosti a F1 skóre.
  • Vytvoř instanci GB klasifikátoru a nastav příslušný argument tak, aby generoval 50 estimátorů s rychlostí učení 0.01.