Erste SchritteKostenlos loslegen

Definiere das Ensemble

In den folgenden Übungen arbeitest du mit dem Indian Liver Patient Dataset aus dem UCI Machine Learning Repository.

In dieser Übung wirst du drei Klassifikatoren instanziieren, die anhand aller Merkmale des Datensatzes vorhersagen, ob ein Patient an einer Lebererkrankung leidet.

Die Klassen LogisticRegression, DecisionTreeClassifier, und KNeighborsClassifier unter dem Alias KNN sind in deinem Arbeitsbereich verfügbar.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit baumbasierten Modellen in Python

Kurs anzeigen

Anleitung zur Übung

  • Erstelle einen logistischen Regressionsklassifikator und weise ihn lr zu.

  • Erstelle einen KNN Klassifikator, der 27 nächste Nachbarn berücksichtigt und weise ihn knn zu.

  • Erstelle einen Entscheidungsbaum-Klassifikator mit dem Parameter min_samples_leaf, der auf 0,13 gesetzt ist, und weise ihn dt zu.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# Set seed for reproducibility
SEED=1

# Instantiate lr
lr = ____(random_state=SEED)

# Instantiate knn
knn = ____(n_neighbors=____)

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

# Define the list classifiers
classifiers = [('Logistic Regression', lr), ('K Nearest Neighbours', knn), ('Classification Tree', dt)]
Bearbeiten und Ausführen von Code