Boosting
V předchozím cvičení jsi začal/a s ensemble technikami pomocí baggingu. Na pohovoru zaměřeném na Machine Learning tě mohou vyzvat, abys vyzkoušel/a nebo okomentoval/a více než jednu ensemble techniku.
Tady si procvičíš Boosting, který využívá ke trénování každého slabého klasifikátoru všechna data – instance, které předchozí klasifikátory špatně zařadily, ale dostávají vyšší váhu, takže následující klasifikátory se na ně při tréninku zaměří více. Výsledkem je model s nižší mírou zkreslení (bias).
Všechny potřebné balíčky jsou už naimportované: pandas jako pd, train_test_split z sklearn.model_selection, accuracy_score z sklearn.linear_model, LogisticRegression z sklearn.linear_model a BaggingClassifier a AdaBoostClassifier z sklearn.ensemble.
DataFrame loan_data je už rozdělený na X_train, X_test, y_train a y_test.
Toto cvičení je součástí kurzu
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Boosting model
boosted_model = ____(____=____, random_state=123)