ग्रेडिएंट बूस्टिंग एन्सेम्बल
बूस्टिंग एक तकनीक है जिसमें एक प्रेडिक्टर की त्रुटि को क्रमिक रूप से अगले प्रेडिक्टर के इनपुट के रूप में पास किया जाता है। ग्रेडिएंट बूस्टिंग ग्रेडिएंट डिसेंट प्रक्रिया का उपयोग करता है ताकि लॉग लॉस को कम किया जा सके, जब प्रत्येक नया क्लासिफिकेशन ट्री एक-एक करके जोड़ा जाता है, जो अपने आप में कमजोर डिसीजन मॉडल होते हैं। रिग्रेशन के लिए ग्रेडिएंट बूस्टिंग भी इसी तरह काम करता है, लेकिन लॉस फंक्शन के रूप में मीन स्क्वेयर्ड एरर जैसे माप को ग्रेडिएंट डिसेंट पर लागू करता है.
इस अभ्यास में, आप एक Gradient Boosting Classifier मॉडल बनाएँगे और इसका प्रदर्शन पिछले अभ्यास के Random Forest से तुलना करेंगे, जिसकी accuracy स्कोर 72.5% थी.
loan_data DataFrame पहले से विभाजित है और आपके वर्कस्पेस में X_train, X_test, y_train, और y_test के रूप में उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import
from sklearn.____ import ____
from sklearn.____ import ____, ____, ____, ____, ____
# Instantiate
gb_model = ____(____=____, learning_rate=___,random_state=123)