Trenowanie z bootstrappingiem
Zbudujmy teraz "słaby" klasyfikator drzewa decyzyjnego i wytrenujmy go na próbce zbioru treningowego pobranej ze zwracaniem. Pomoże ci to zrozumieć, co dzieje się na każdej iteracji zespołu baggingowego.
Do pobrania próbki użyjesz metody .sample() z biblioteki pandas, która posiada parametr replace. Na przykład poniższy wiersz kodu pobiera próbkę ze zwracaniem z całego DataFrame'u df:
df.sample(frac=1.0, replace=True, random_state=42)
To ćwiczenie jest częścią kursu
Metody zespołowe w Pythonie
Instrukcje do ćwiczenia
- Pobierz próbkę ze zwracaniem (
replace=True) z całego (frac=1.0) zbioru treningowegoX_train. - Zbuduj klasyfikator drzewa decyzyjnego, używając parametru
max_depth = 4. - Dopasuj model do pobranej próbki danych treningowych.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Take a sample with replacement
X_train_sample = X_train.____(____, ____, random_state=42)
y_train_sample = y_train.loc[X_train_sample.index]
# Build a "weak" Decision Tree classifier
clf = ____(____, random_state=500)
# Fit the model to the training sample
____