Appliquer le stacking pour prédire les cotes d'applis
Dans cet exercice, vous allez commencer à bâtir votre premier ensemble par stacking. Le jeu de données utilisé est le tout premier de la leçon 1. Rappelez-vous, l'objectif est de prédire la cote de chaque appli (de 1 à 5). Les caractéristiques en entrée sont : Reviews, Size, Installs, Type, Price et Content Rating.
Nous avons déjà effectué l'étape 1 : préparer le jeu de données. Il vous est fourni sous le nom apps. Nous avons nettoyé les caractéristiques nécessaires et remplacé les valeurs manquantes par des zéros.
Vous allez maintenant travailler sur l'étape 2 : construire les estimateurs de la première couche.
Cette activité fait partie du cours
Méthodes d'ensemble en Python
Instructions de l’exercice
- Construisez et ajustez un classificateur par arbre de décision avec :
min_samples_leaf: 3etmin_samples_split: 9. - Construisez et ajustez un classificateur des 5 plus proches voisins en utilisant :
algorithm: 'ball_tree'(pour accélérer le traitement). - Évaluez la performance de chaque estimateur à l'aide de la justesse (accuracy) sur l'ensemble de test.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Build and fit a Decision Tree classifier
clf_dt = ____(____, ____, random_state=500)
clf_dt.____
# Build and fit a 5-nearest neighbors classifier using the 'Ball-Tree' algorithm
clf_knn = ____
clf_knn.____
# Evaluate the performance using the accuracy score
print('Decision Tree: {:0.4f}'.format(accuracy_score(____)))
print('5-Nearest Neighbors: {:0.4f}'.format(accuracy_score(____)))