Boosting

पिछले अभ्यास में, आपने बैगिंग का उपयोग करके एन्सेम्बल तकनीकों की शुरुआत की थी। एक मशीन लर्निंग इंटरव्यू में, आपसे एक से अधिक एन्सेम्बल तकनीकों को आज़माने या उन पर चर्चा करने के लिए कहा जा सकता है।

यहाँ, आप Boosting का अभ्यास करेंगे, जिसमें हर लर्नर को ट्रेन करने के लिए पूरा डेटा इस्तेमाल होता है, लेकिन जिन इंस्टेंसेज़ को पिछले लर्नर्स ने गलत वर्गीकृत किया था उन्हें ज़्यादा वेट दिया जाता है ताकि अगले लर्नर्स ट्रेनिंग के दौरान उन पर अधिक ध्यान दें। इसका परिणाम एक ऐसे मॉडल में होता है जिसका बायस कम होता है।

आपके लिए सभी ज़रूरी पैकेज इम्पोर्ट कर दिए गए हैं: pandas as pd, train_test_split from sklearn.model_selection, accuracy_score from sklearn.linear_model, LogisticRegression from sklearn.linear_model, और BaggingClassifier तथा AdaBoostClassifier from sklearn.ensemble।

loan_data DataFrame को पहले से X_train, X_test, y_train और y_test में बाँटा जा चुका है।