Mulai sekarangMulai gratis

Persiapkan landasan

Dalam latihan berikut, Anda akan membandingkan akurasi OOB dengan akurasi himpunan uji dari sebuah bagging classifier yang dilatih pada himpunan data Indian Liver Patient.

Di sklearn, Anda dapat mengevaluasi akurasi OOB dari sebuah ensemble classifier dengan menyetel parameter oob_score ke True saat instansiasi. Setelah melatih classifier, akurasi OOB dapat diperoleh dengan mengakses atribut .oob_score_ dari instance yang bersangkutan.

Di lingkungan Anda, kami telah menyediakan kelas DecisionTreeClassifier dari sklearn.tree.

Latihan ini merupakan bagian dari kursus

Machine Learning dengan Model Berbasis Pohon di Python

Lihat Kursus

Instruksi latihan

  • Impor BaggingClassifier dari sklearn.ensemble.

  • Instansiasi DecisionTreeClassifier dengan min_samples_leaf disetel ke 8.

  • Instansiasi BaggingClassifier yang terdiri dari 50 pohon dan setel oob_score ke True.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import DecisionTreeClassifier
from sklearn.tree import DecisionTreeClassifier

# Import BaggingClassifier
____

# Instantiate dt
dt = ____(min_samples_leaf=____, random_state=1)

# Instantiate bc
bc = ____(base_estimator=____, 
            n_estimators=____,
            oob_score=____,
            random_state=1)
Edit dan Jalankan Kode