始める無料で始める

アンサンブルを定義する

この一連の演習では、UCI Machine Learning Repository の Indian Liver Patient Dataset を使用します。

この演習では、データセットに含まれるすべての特徴量を使って、患者が肝疾患を患っているかどうかを予測するために、3つの分類器をインスタンス化します。

KNN というエイリアスでインポートされた LogisticRegression、DecisionTreeClassifier、KNeighborsClassifier クラスがワークスペースで利用可能です。

この演習はコースの一部です

Pythonで学ぶ木ベースのMachine Learning

コースを見る

演習の手順

  • ロジスティック回帰分類器をインスタンス化し、lr に代入します。

  • 最近傍点を27個考慮する KNN 分類器をインスタンス化し、knn に代入します。

  • パラメータ min_samples_leaf を 0.13 に設定した決定木分類器をインスタンス化し、dt に代入します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Set seed for reproducibility
SEED=1

# Instantiate lr
lr = ____(random_state=SEED)

# Instantiate knn
knn = ____(n_neighbors=____)

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

# Define the list classifiers
classifiers = [('Logistic Regression', lr), ('K Nearest Neighbours', knn), ('Classification Tree', dt)]
コードを編集して実行