शुरू करेंमुफ़्त में शुरू करें

अपना पहला एंसेंबल तैयार करना

अब आपका पहला एंसेंबल मॉडल बनाने का समय है! पिछले अभ्यास वाला Pokémon डेटासेट लोड कर दिया गया है और उसे train और test सेट में बाँट दिया गया है.

आपका काम sklearn API का उपयोग करके voting एंसेंबल तकनीक लागू करना है। आपको व्यक्तिगत मॉडल instantiate करने हैं और उन्हें पैरामीटर्स के रूप में पास करना है ताकि आप अपना पहला voting classifier बना सकें.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Ensemble Methods

पाठ्यक्रम देखें

अभ्यास निर्देश

  • 5 neighbors (जिसे n_neighbors से सेट किया जाता है) के साथ clf_knn नाम का KNeighborsClassifier instantiate करें.
  • class_weight को "balanced" सेट करते हुए clf_lr नाम का LogisticRegression instantiate करें.
  • min_samples_leaf = 3 और min_samples_split = 9 के साथ clf_dt नाम का DecisionTreeClassifier instantiate करें.
  • estimators पैरामीटर का उपयोग करते हुए एक VotingClassifier बनाएँ, जिसमें (str, estimator) ट्यूपल्स की निम्न सूची हो: 'knn', clf_knn, 'lr', clf_lr, और 'dt', clf_dt.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Instantiate the individual models
clf_knn = ____
clf_lr = ____
clf_dt = ____(____, ____, random_state=500)

# Create and fit the voting classifier
clf_vote = ____(
    estimators=[('____', ____), ('____', ____), ('____', ____)]
)
clf_vote.fit(X_train, y_train)
कोड संपादित करें और चलाएँ