모델 스태킹 I
이제 스태킹을 진행해 볼 차례예요. 스태킹을 구현하려면, 이전 영상에서 다룬 6단계를 따르면 됩니다:
- 학습 데이터를 두 부분으로 나눕니다.
- Part 1에 여러 모델을 학습시킵니다.
- Part 2에 대해 예측 값을 생성합니다.
- 테스트 데이터에 대해 예측 값을 생성합니다.
- Part 2의 예측 값을 특성으로 사용해 새로운 모델을 학습합니다.
- 2단계(메타) 모델을 사용해 테스트 데이터에 대한 예측 값을 생성합니다.
train과 test DataFrame은 워크스페이스에 이미 준비되어 있어요. features는 Part 1 데이터 학습에 사용할 열 이름 리스트이며, 역시 워크스페이스에 준비되어 있습니다. 타깃 변수 이름은 "fare_amount"입니다.
이 연습은 강의의 일부입니다
Python으로 Kaggle 대회 공략하기
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
from sklearn.model_selection import train_test_split
from sklearn.ensemble import GradientBoostingRegressor, RandomForestRegressor
# Split train data into two parts
part_1, part_2 = ____(train, test_size=____, random_state=123)
# Train a Gradient Boosting model on Part 1
gb = GradientBoostingRegressor().____(____[features], ____.fare_amount)
# Train a Random Forest model on Part 1
rf = RandomForestRegressor().____(____[features], ____.fare_amount)