Mulai sekarangMulai gratis

Menyusun ensemble pertama Anda

Saatnya membangun model ensemble pertama Anda! Himpunan data Pokémon dari latihan sebelumnya telah dimuat dan dibagi menjadi set latih dan uji.

Tugas Anda adalah memanfaatkan teknik voting ensemble menggunakan API sklearn. Anda perlu menginstansiasi model-model individual dan meneruskannya sebagai parameter untuk membangun voting classifier pertama Anda.

Latihan ini merupakan bagian dari kursus

Metode Ensemble di Python

Lihat Kursus

Instruksi latihan

  • Instansiasikan KNeighborsClassifier bernama clf_knn dengan 5 tetangga (ditentukan menggunakan n_neighbors).
  • Instansiasikan LogisticRegression bernilai "balanced" bernama clf_lr (ditentukan menggunakan class_weight).
  • Instansiasikan DecisionTreeClassifier bernama clf_dt dengan min_samples_leaf = 3 dan min_samples_split = 9.
  • Bangun VotingClassifier menggunakan parameter estimators untuk menyatakan daftar tuple (str, estimator) berikut: 'knn', clf_knn, 'lr', clf_lr, dan 'dt', clf_dt.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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)
Edit dan Jalankan Kode