스태킹 분류기 만들기
이제 다음 두 단계를 진행해 볼게요.
3단계: 예측값을 데이터셋에 추가하기:
이는 내부적으로 StackingClassifier 클래스가 처리하지만, 이전 연습 문제에서 만든 1단계 분류기 리스트를 준비해 둘 필요가 있어요. 준비된 분류기는 clf_dt와 clf_knn이에요.
4단계: 두 번째 레이어 메타 추정기 만들기:
이를 위해 기본 LogisticRegression을 사용해요. 이 모델은 기본 추정기들의 개별 예측값을 입력 특징으로 받아요.
두 레이어의 추정기를 모두 준비했으니 이제 스태킹 분류기를 만들 수 있어요.
이 연습은 강의의 일부입니다
Python에서의 앙상블 기법
연습 안내
- 1단계 분류기
clf_dt와clf_knn으로 튜플 리스트를 준비하세요(적절한 레이블과 순서를 지정하세요). - 두 번째 레이어 메타 추정기인
LogisticRegression을 인스턴스화하세요. - 다음을 전달해 스태킹 분류기를 구성하세요: 튜플 리스트, 메타 분류기,
stack_method='predict_proba'(클래스 확률 사용),passthrough = False(예측값만 특징으로 사용).
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Prepare the list of tuples with the first-layer classifiers
classifiers = [
____,
____
]
# Instantiate the second-layer meta estimator
clf_meta = ____
# Build the stacking classifier
clf_stack = ____(
____,
____,
____,
____)