Bagging: scikit-learn का तरीका
अब scikit-learn के BaggingClassifier को Pokémon डेटासेट पर लागू करते हैं.
आपने अपने कस्टम बैगिंग एंसेंबल से लगभग 0.63 का F1 स्कोर पाया था.
क्या BaggingClassifier() उसे पीछे छोड़ देगा? आइए पता लगाते हैं!
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Ensemble Methods
अभ्यास निर्देश
- बेस मॉडल
clf_dtइंस्टैनशिएट करें: एक "restricted" डिसीजन ट्री जिसकी अधिकतम गहराई 4 हो. - डिसीजन ट्री को बेस एस्टीमेटर बनाकर 21 एस्टीमेटर्स के साथ एक बैगिंग क्लासिफायर बनाइए.
- टेस्ट सेट के लेबल प्रेडिक्ट कीजिए.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Instantiate the base model
clf_dt = ____
# Build the Bagging classifier
clf_bag = ____(____, ____, random_state=500)
# Fit the Bagging model to the training set
clf_bag.fit(X_train, y_train)
# Predict the labels of the test set
pred = ____
# Show the F1-score
print('F1-Score: {:.3f}'.format(f1_score(y_test, pred)))