ComenzarEmpieza gratis

Definir el conjunto

En el siguiente conjunto de ejercicios, trabajarás con el conjunto de datos de pacientes hepáticos indios del repositorio de machine learning UCI.

En este ejercicio, instanciarás tres clasificadores para predecir si un paciente padece una enfermedad hepática utilizando todas las características presentes en el conjunto de datos.

Las clases LogisticRegression, DecisionTreeClassifier, y KNeighborsClassifier bajo el alias KNN están disponibles en tu espacio de trabajo.

Este ejercicio forma parte del curso

Machine learning con modelos basados en árboles en Python

Ver curso

Instrucciones de ejercicio

  • Instancia un clasificador de Regresión Logística y asignarlo a lr.

  • Instancia un clasificador KNN que tenga en cuenta 27 vecinos más próximos y asígnalo a knn.

  • Instancia un Clasificador de Árbol de Decisión con el parámetro min_samples_leaf fijado en 0,13 y asígnalo a dt.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# 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)]
Editar y ejecutar código