Bootstrap aggregation (bagging)
Pada pelajaran sebelumnya, Anda sempat mencoba sedikit model klasifikasi dengan menerapkan regresi logistik pada data yang telah direkayasa fiturnya. Dalam wawancara Machine Learning, ada kalanya Anda perlu mengetahui model ensemble karena model ini menggabungkan weak learner untuk membentuk strong learner yang meningkatkan akurasi model.
Pada latihan ini, Anda akan mulai dengan menerapkan bagging classifier yang menggunakan teknik pengambilan sampel dengan pengembalian (with replacement) untuk menjaga keacakan dan mengurangi overfitting. Anda akan menggunakan fungsi-fungsi dari modul sklearn.ensemble seperti yang ditunjukkan pada latihan video.
Semua paket yang relevan telah diimpor untuk Anda:
pandas sebagai pd, train_test_split dari sklearn.model_selection, accuracy_score dari sklearn.metrics, LogisticRegression dari sklearn.linear_model, serta BaggingClassifier dan AdaBoostClassifier dari sklearn.ensemble.
DataFrame loan_data sudah dipisah menjadi X_train, X_test, y_train, dan y_test.
Latihan ini merupakan bagian dari kursus
Berlatih Pertanyaan Wawancara Machine Learning dengan Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Instantiate bootstrap aggregation model
bagged_model = ____(____=____, random_state=123)