스태킹으로 앱 평점 예측하기
이번 연습 문제에서는 첫 번째 Stacking 앙상블을 만들어 볼 거예요. 사용할 데이터셋은 1장에서 사용했던 것과 같아요. 기억하신다면, 목표는 각 앱의 평점(1~5)을 예측하는 것이었죠. 사용할 입력 특징은 Reviews, Size, Installs, Type, Price, Content Rating입니다.
우리는 이미 1단계: 데이터셋 준비를 마쳤어요. apps라는 이름으로 제공되며, 필요한 특징을 정리했고 결측값은 0으로 대체했어요.
이제 2단계: 1층 추정기(first-layer estimators) 구성을 진행해 볼게요.
이 연습은 강의의 일부입니다
Python에서의 앙상블 기법
연습 안내
- 다음 설정으로 의사결정나무 분류기를 학습하세요:
min_samples_leaf: 3,min_samples_split: 9. - 다음 설정으로 5-최근접 이웃 분류기를 학습하세요:
algorithm: 'ball_tree'(처리를 빠르게 하기 위함). - 테스트 세트에 대한 정확도(accuracy) 점수로 각 추정기의 성능을 평가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Build and fit a Decision Tree classifier
clf_dt = ____(____, ____, random_state=500)
clf_dt.____
# Build and fit a 5-nearest neighbors classifier using the 'Ball-Tree' algorithm
clf_knn = ____
clf_knn.____
# Evaluate the performance using the accuracy score
print('Decision Tree: {:0.4f}'.format(accuracy_score(____)))
print('5-Nearest Neighbors: {:0.4f}'.format(accuracy_score(____)))