CommencerCommencer gratuitement

Définir l'ensemble

Dans les exercices suivants, vous travaillerez avec le jeu de données Indian Liver Patient Dataset du référentiel d'apprentissage automatique UCI.

Dans cet exercice, vous instancierez trois classificateurs pour prédire si un patient 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 disponibles dans votre espace de travail.

Cet exercice fait partie du cours

Apprentissage automatique avec des modèles arborescents en Python

Afficher le cours

Instructions

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

  • Instanciez un classificateur KNN qui prend en compte les 27 voisins les plus proches et affectez-le à knn.

  • Instanciez un classificateur d'arbre de décision avec le paramètre min_samples_leaf fixé à 0,13 et affectez-le à dt.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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