or
यह अभ्यास पाठ्यक्रम का हिस्सा है
क्या आपको यह तय करने में दिक्कत होती है कि आपने जो मॉडल बनाए हैं, उनमें से आपकी समस्या के लिए सबसे अच्छा कौन सा है? अब यह सोच छोड़ दीजिए, और सबका इस्तेमाल कीजिए! इस अध्याय में, आप "Voting" और "Averaging" का उपयोग करके कई मॉडलों को एक में कैसे संयोजित किया जाता है, यह सीखेंगे. आप इनसे Google Play Store पर ऐप्स की रेटिंग्स, कोई Pokémon legendary है या नहीं, और Game of Thrones में किन किरदारों की मृत्यु होने वाली है, इसका पूर्वानुमान लगाएंगे!
वर्तमान अभ्यास
बैगिंग एक एंसेम्बल मेथड है जिस पर random forests जैसे शक्तिशाली मशीन लर्निंग एल्गोरिदम आधारित हैं. इस अध्याय में आप इस तकनीक के सिद्धांत सीखेंगे और scikit-learn का उपयोग करके अपने खुद के बैगिंग मॉडल बनाएंगे.
बूस्टिंग एंसेम्बल लर्निंग एल्गोरिदम्स का एक वर्ग है जिसमें AdaBoost जैसे अवॉर्ड-विनिंग मॉडल शामिल हैं. इस अध्याय में, आप इस अवॉर्ड-विनिंग मॉडल के बारे में सीखेंगे और इसका उपयोग करके अवॉर्ड-विनिंग फिल्मों की कमाई का अनुमान लगाएंगे! आप CatBoost और XGBoost जैसे ग्रेडिएंट बूस्टिंग एल्गोरिदम्स के बारे में भी जानेंगे.
तैयार हो जाइए देखने के लिए कि चीजें कैसे stack होती हैं! इस अंतिम अध्याय में आप स्टैकिंग एंसेम्बल मेथड के बारे में सीखेंगे. आप इसे scikit-learn के साथ-साथ mlxtend लाइब्रेरी से भी लागू करना सीखेंगे! आप स्टैकिंग का उपयोग उत्तर अमेरिकी मशरूम्स की खाने योग्य होने की भविष्यवाणी करने में करेंगे, और Google ऐप्स की रेटिंग्स को इस अधिक उन्नत तरीके से फिर से देखेंगे.