LoslegenKostenlos starten

Das Ensemble definieren

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

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

Die Klassen LogisticRegression, DecisionTreeClassifier und KNeighborsClassifier mit dem Alias KNN stehen dir in deiner Arbeitsumgebung zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen mit baumbasierten Modellen in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • 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 praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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