शुरू करेंमुफ़्त में शुरू करें

GoT में मौतों की भविष्यवाणी

हालाँकि टार्गेट वैरिएबल में कोई missing वैल्यू नहीं है, अन्य फीचर्स में हैं। क्योंकि इस कोर्स का फोकस डेटा क्लीनिंग और प्रीप्रोसेसिंग पर नहीं है, हमने आपके लिए पहले से ये प्रीप्रोसेसिंग कर दी है:

  • NA वैल्यूज़ को 0 से रिप्लेस किया गया है।
  • age के negative वैल्यूज़ को 0 से रिप्लेस किया गया है।
  • age के NA वैल्यूज़ को mean से रिप्लेस किया गया है।

अब एवरेजिंग तकनीक का उपयोग करके एक एन्सेम्बल मॉडल बनाते हैं। निम्नलिखित individual मॉडल पहले से बने हुए हैं:

  • Logistic Regression (clf_lr).
  • Decision Tree (clf_dt).
  • Support Vector Machine (clf_svm).

क्योंकि टार्गेट बाइनरी है, इन सभी मॉडलों का individual परफॉर्मेंस अच्छा हो सकता है। आपका उद्देश्य इन्हें एवरेजिंग के जरिए combine करना है। वीडियो से याद करें कि यह soft voting अप्रोच जैसा ही है, इसलिए आपको VotingClassifier() ही इस्तेमाल करना चाहिए।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Ensemble Methods

पाठ्यक्रम देखें

अभ्यास निर्देश

  • (string, estimator) ट्यूपल्स की लिस्ट सेट करें। clf_lr के लिए 'lr', clf_dt के लिए 'dt', और clf_svm के लिए 'svm' इस्तेमाल करें।
  • clf_avg नाम का एक एवरेजिंग क्लासिफायर बनाइए। ध्यान रखें कि voting पैरामीटर के लिए आर्ग्युमेंट ज़रूर स्पेसिफाई करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Build the individual models
clf_lr = LogisticRegression(class_weight='balanced')
clf_dt = DecisionTreeClassifier(min_samples_leaf=3, min_samples_split=9, random_state=500)
clf_svm = SVC(probability=True, class_weight='balanced', random_state=500)

# List of (string, estimator) tuples
estimators = ____

# Build and fit an averaging classifier
clf_avg = ____
clf_avg.fit(X_train, y_train)

# Evaluate model performance
acc_avg = accuracy_score(y_test,  clf_avg.predict(X_test))
print('Accuracy: {:.2f}'.format(acc_avg))
कोड संपादित करें और चलाएँ