Bootstrap agregace (bagging)

V poslední lekci sis vyzkoušel/a klasifikační modely – konkrétně logistickou regresi na datech s uměle vytvořenými příznaky. Na pohovorech zaměřených na Machine Learning se hodí znát také ensemble modely, které kombinují slabé learners a vytvářejí z nich silný model s vyšší přesností.

V tomto cvičení začneš s bagging klasifikátorem, který využívá vzorkování s vracením – to zajišťuje náhodnost a pomáhá předcházet přeučení modelu. Použiješ funkce z modulu sklearn.ensemble, které jsi viděl/a ve videu.

Všechny potřebné balíčky jsou již naimportované: pandas jako pd, train_test_split z sklearn.model_selection, accuracy_score z sklearn.metrics, LogisticRegression z sklearn.linear_model a BaggingClassifier a AdaBoostClassifier z sklearn.ensemble.

DataFrame loan_data je již rozdělený na X_train, X_test, y_train a y_test.