CommencezCommencez gratuitement

Définir l'ensemble

Dans la série d'exercices suivante, vous allez travailler avec le Indian Liver Patient Dataset du dépôt UCI Machine Learning.

Dans cet exercice, vous allez instancier trois classificateurs pour prédire si une personne souffre d'une maladie du foie en utilisant toutes les caractéristiques présentes dans l'ensemble de données.

Les classes LogisticRegression, DecisionTreeClassifier et KNeighborsClassifier sous l'alias KNN sont déjà disponibles dans votre espace de travail.

Cette activité fait partie du cours

Machine Learning avec des modèles à base d'arbres en Python

Voir le cours

Instructions de l’exercice

  • Instanciez un classificateur de régression logistique et assignez-le à lr.

  • Instanciez un classificateur k-NN qui considère 27 plus proches voisins et assignez-le à knn.

  • Instanciez un classificateur par arbre de décision avec le paramètre min_samples_leaf réglé à 0.13 et assignez-le à dt.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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)]
Modifier et exécuter le code