CommencerCommencer gratuitement

Définir l'ensemble

Dans la série d'exercices suivante, vous travaillerez avec l'ensemble de données Indian Liver Patient Dataset provenant du référentiel d'apprentissage automatique de l'UCI.

Dans cet exercice, vous allez instancier trois classificateurs afin de 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

Machine learning avec des modèles arborescents en Python

Afficher le cours

Instructions

  • Instancier un classificateur de régression logistique et l'attribuer à lr.

  • Instancier un classificateur KNN qui prend en compte les 27 voisins les plus proches et l'attribuer à l'knn.

  • Instancier un classificateur d'arbre de décision avec le paramètre « min_samples_leaf » défini sur 0,13 et l'attribuer 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