Entrenamiento con bootstrapping
Ahora vamos a crear un clasificador de árbol de decisión "débil" y a entrenarlo con una muestra del conjunto de entrenamiento tomada con reposición. Esto te ayudará a entender qué ocurre en cada iteración de un ensemble de bagging.
Para tomar una muestra, usarás el método .sample() de pandas, que tiene un parámetro replace. Por ejemplo, la siguiente línea de código toma una muestra con reposición de todo el DataFrame df:
df.sample(frac=1.0, replace=True, random_state=42)
Este ejercicio forma parte del curso
Ensemble Methods in Python
Instrucciones del ejercicio
- Toma una muestra con reposición (
replace=True) de todo (frac=1.0) el conjunto de entrenamiento,X_train. - Construye un clasificador de árbol de decisión usando el parámetro
max_depth = 4. - Ajusta el modelo a los datos de entrenamiento muestreados.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Take a sample with replacement
X_train_sample = X_train.____(____, ____, random_state=42)
y_train_sample = y_train.loc[X_train_sample.index]
# Build a "weak" Decision Tree classifier
clf = ____(____, random_state=500)
# Fit the model to the training sample
____