LoslegenKostenlos loslegen

Das Ensemble definieren

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

In dieser Aufgabe instanziierst du drei Klassifikatoren, um anhand aller im Datensatz enthaltenen Merkmale vorherzusagen, ob eine Patientin bzw. ein Patient an einer Lebererkrankung leidet.

Die Klassen LogisticRegression, DecisionTreeClassifier und KNeighborsClassifier unter dem Alias KNN stehen dir in deinem Workspace zur Verfügung.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit baumbasierten Modellen in Python

Kurs anzeigen

Anleitung zur Übung

  • Instanziiere einen Klassifikator für Logistische Regression und weise ihn lr zu.

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

  • Instanziiere einen Decision-Tree-Klassifikator mit dem Parameter min_samples_leaf auf 0.13 gesetzt und weise ihn dt zu.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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)]
Code bearbeiten und ausführen