शुरू करेंमुफ़्त में शुरू करें

Out-of-bag स्कोर जाँचना

अब पिछले अभ्यास वाले मॉडल का out-of-bag स्कोर जाँचते हैं.

अभी तक आपने परफॉर्मेंस मापने के लिए F1 स्कोर का उपयोग किया है. हालाँकि, इस अभ्यास में आपको accuracy स्कोर का उपयोग करना है ताकि आप उसे out-of-bag स्कोर से आसानी से तुलना कर सकें.

पिछले अभ्यास का decision tree classifier clf_dt आपके वर्कस्पेस में उपलब्ध है.

pokemon डेटासेट पहले से आपके लिए लोड किया गया है और उसे train और test सेट में बाँटा गया है. इसके अलावा, decision tree classifier फिट किया गया था और clf_dt के रूप में उपलब्ध है ताकि आप उसे base estimator की तरह उपयोग कर सकें.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Ensemble Methods

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Decision tree को base estimator की तरह इस्तेमाल करते हुए 21 estimators वाला bagging classifier बनाएँ. इस बार, oob_score पैरामीटर के लिए आर्ग्युमेंट देकर out-of-bag स्कोर का उपयोग करें.
  • क्लासिफायर का out-of-bag स्कोर प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Build and train the bagging classifier
clf_bag = ____(
  ____,
  ____,
  ____,
  random_state=500)
clf_bag.fit(X_train, y_train)

# Print the out-of-bag score
print('OOB-Score: {:.3f}'.format(____))

# Evaluate the performance on the test set to compare
pred = clf_bag.predict(X_test)
print('Accuracy: {:.3f}'.format(accuracy_score(y_test, pred)))
कोड संपादित करें और चलाएँ