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

Ver curso

Instrucciones de ejercicio

  • Importa BaggingClassifier desde sklearn.ensemble.

  • Instancia un DecisionTreeClassifier con min_samples_leaf fijado en 8.

  • Instancia un BaggingClassifier formado por 50 árboles y establecer oob_score en True.

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)