1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶアンサンブル手法
Connected

演習

Bagging: scikit-learn 流

それでは、scikit-learn の BaggingClassifier をポケモンのデータセットに適用してみましょう。

カスタムのバギングアンサンブルでは、F1 スコアはおよそ 0.63 でした。

BaggingClassifier() はそれを上回れるでしょうか？試してみましょう！

指示

100 XP
  • ベースモデル clf_dt（最大深さ 4 の「制約付き」決定木）をインスタンス化します。
  • 決定木をベース推定器として、推定器を 21 個用いたバギング分類器を構築します。
  • テストセットのラベルを予測します。