LoslegenKostenlos loslegen

Bereite den Boden vor

In den folgenden Übungen vergleichst du die Genauigkeit von OOB mit der Genauigkeit eines Bagging-Klassifikators, der mit dem Datensatz "Indian Liver Patient" trainiert wurde.

In sklearn kannst du die OOB Genauigkeit eines Ensemble-Klassifikators bewerten, indem du bei der Instanziierung den Parameter oob_score auf True setzt. Nach dem Training des Klassifikators kann die OOB Genauigkeit durch den Zugriff auf das .oob_score_ Attribut der entsprechenden Instanz ermittelt werden.

In deiner Umgebung haben wir die Klasse DecisionTreeClassifier von sklearn.tree zur Verfügung gestellt.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit baumbasierten Modellen in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere BaggingClassifier von sklearn.ensemble.

  • Erstelle eine DecisionTreeClassifier mit min_samples_leaf und setze sie auf 8.

  • Erstelle eine BaggingClassifier bestehend aus 50 Bäumen und setze oob_score auf True.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import DecisionTreeClassifier
from sklearn.tree import DecisionTreeClassifier

# Import BaggingClassifier
____

# Instantiate dt
dt = ____(min_samples_leaf=____, random_state=1)

# Instantiate bc
bc = ____(base_estimator=____, 
            n_estimators=____,
            oob_score=____,
            random_state=1)
Code bearbeiten und ausführen