XGBoost
Dalam latihan ini, Anda akan mempraktikkan satu teknik boosting lagi. Dijuluki sebagai ratu baru Machine Learning, XGBoost adalah paket gradient boosting terdistribusi yang dioptimalkan dan sedang "menguasai dunia!". Karena itu, pertanyaan tentang XGBoost sangat mungkin muncul dalam wawancara Machine Learning atau, setidaknya, akan menguntungkan jika Anda membahasnya dalam salah satu jawaban untuk menunjukkan pengetahuan Anda tentang algoritma mutakhir yang sangat akurat.
Argumen learning_rate=0.1 menentukan besar langkah pada setiap iterasi saat mencari minimum global, dan max_depth mengontrol ukuran (kedalaman) pohon keputusan, di sini 3.
Semua paket yang relevan telah diimpor untuk Anda: pandas sebagai pd, train_test_split dari sklearn.model_selection, accuracy_score dari sklearn.linear_model, LogisticRegression dari sklearn.linear_model, BaggingClassifier dan AdaBoostClassifier dari sklearn.ensemble, serta XGBClassifier dari xgboost.
DataFrame loan_data sudah dibagi 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
xgb = ____(____=____, random_state=123, learning_rate=0.1, max_depth=3)