Prepara el terreno
En los siguientes ejercicios, compararás la precisión de OOB con la precisión del conjunto de pruebas de un clasificador bagging entrenado en el conjunto de datos Paciente hepático indio.
En sklearn, puedes evaluar la precisión OOB de un clasificador conjunto ajustando el parámetro oob_score
a True
durante la instanciación. Una vez entrenado el clasificador, se puede obtener la precisión OOB accediendo al atributo .oob_score_
de la instancia correspondiente.
En tu entorno, hemos puesto a tu disposición la clase DecisionTreeClassifier
de sklearn.tree
.
Este ejercicio forma parte del curso
Machine learning con modelos basados en árboles en Python
Instrucciones de ejercicio
Importa
BaggingClassifier
desdesklearn.ensemble
.Instancia un
DecisionTreeClassifier
conmin_samples_leaf
fijado en 8.Instancia un
BaggingClassifier
formado por 50 árboles y estableceroob_score
enTrue
.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# 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)