स्टैकिंग क्लासिफायर बनाना
अब आप अगले दो स्टेप्स पर काम करेंगे.
स्टेप 3: प्रेडिक्शंस को डेटासेट में जोड़ें:
यह काम आंतरिक रूप से StackingClassifier क्लास संभालती है, लेकिन हम अपना हिस्सा पहले-लेयर क्लासिफायरों की लिस्ट तैयार करके करेंगे, जो आपने पिछले अभ्यास में बनाए थे. ये उपलब्ध हैं: clf_dt और clf_knn.
स्टेप 4: सेकंड-लेयर मेटा एस्टिमेटर बनाइए:
इसके लिए आप डिफ़ॉल्ट LogisticRegression का उपयोग करेंगे. यह इनपुट फीचर्स के रूप में बेस एस्टिमेटर के व्यक्तिगत प्रेडिक्शंस लेगा.
दोनों लेवल के एस्टिमेटर तैयार होने पर आप स्टैकिंग क्लासिफायर बना सकते हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Ensemble Methods
अभ्यास निर्देश
- पहले-लेयर क्लासिफायरों
clf_dtऔरclf_knnके साथ ट्यूपल्स की लिस्ट तैयार करें (उचित लेबल और क्रम निर्दिष्ट करें). - सेकंड-लेयर मेटा एस्टिमेटर इंस्टैंशिएट करें:
LogisticRegression. - स्टैकिंग क्लासिफायर बनाएँ और पास करें: ट्यूपल्स की लिस्ट, मेटा क्लासिफायर,
stack_method='predict_proba'(क्लास प्रॉबेबिलिटी उपयोग करने के लिए), औरpassthrough = False(ताकि केवल प्रेडिक्शंस को फीचर्स के रूप में उपयोग किया जाए).
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Prepare the list of tuples with the first-layer classifiers
classifiers = [
____,
____
]
# Instantiate the second-layer meta estimator
clf_meta = ____
# Build the stacking classifier
clf_stack = ____(
____,
____,
____,
____)