1. 학습
    2. /
  2. 강의
    3. /
  3. Python에서의 앙상블 기법
Connected

연습 문제

버섯: 생사를 가르는 문제

이제 버섯의 식용 가능성 문제를 다시 살펴보며 강의를 마무리해 볼까요? 스태킹 분류기를 사용해 점수가 더 좋아지는지 확인해 보겠습니다. 스태킹은 첫 번째 레이어의 예측을 보정하려는 메타 추정기(두 번째 레이어 분류기)를 사용하므로, 잘못 분류된 일부 사례가 바로잡힐 수 있어요. 버섯의 식용 가능성은 생사를 가르는 매우 중요한 문제입니다.

데이터셋은 이미 불러와 학습 세트와 테스트 세트로 분할되어 있습니다. 스태킹을 사용하면 버섯의 식용 가능성을 더 높은 신뢰도로 예측하는 데 도움이 될까요?

지침

100 XP
  • 첫 번째 레이어의 추정기를 인스턴스화하세요: ball tree 알고리즘을 사용하는 5-최근접 이웃, min_samples_leaf = 5와 min_samples_split = 15를 갖는 결정 트리 분류기, 그리고 Gaussian Naive Bayes 분류기.
  • 스태킹 분류기를 구성하고 학습하세요. 매개변수로는 classifiers(첫 번째 레이어 분류기들을 담은 리스트)와 meta_classifier(기본 로지스틱 회귀)를 사용합니다.