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

mlxtend を使った最初の試み

いよいよ mlxtend を使ってみます！アプリの評価データセットを引き続き使います。すでに scikit-learn でスタッキングのアンサンブルモデルを作成しているので、これから mlxtend で作るモデルと比較できます。

データセットは読み込まれており、apps として利用できます。

mlxtend で、scikit-learn のアンサンブル分類器と同等以上のモデルが作れるか試してみましょう。

指示

100 XP
  • min_samples_leaf = 3 と min_samples_split = 9 を指定して決定木分類器をインスタンス化します。
  • 'ball_tree' アルゴリズムを使う 5-近傍法分類器をインスタンス化します。
  • StackingClassifier を構築し、分類器のリスト、メタ分類器に加えて、use_probas=True（確率を使用）、use_features_in_secondary = False（個々の予測のみを使用）を渡します。
  • 正解率（accuracy）を計算して性能を評価します。