1. Nauka
    2. /
  2. Kursy
    3. /
  3. Metody zespołowe w Pythonie
Connected

ćwiczenie

Pierwsze podejście do baggingu

Widziałeś już, co dzieje się w pojedynczej iteracji zespołu baggingowego. Teraz zbudujmy własny model baggingowy!

Przygotowano dla ciebie dwie funkcje:

def build_decision_tree(X_train, y_train, random_state=None):
    # Pobiera próbkę z powtórzeniami,
    # buduje "słabe" drzewo decyzyjne
    # i dopasowuje je do zbioru treningowego

def predict_voting(classifiers, X_test):
    # Generuje predykcje poszczególnych modeli
    # i łączy je metodą głosowania ("Voting")

Funkcja build_decision_tree() realizuje to, co robiłeś w poprzednim ćwiczeniu. Tym razem zbudujesz wiele takich drzew, a następnie połączysz je w całość. Sprawdźmy, czy ten zespół „słabych" modeli poprawi wyniki!

Instrukcje

100 XP
  • Zbuduj poszczególne modele, wywołując funkcję build_decision_tree() i przekazując jej zbiór treningowy oraz indeks i jako ziarno losowości (random_state).
  • Przewidź etykiety zbioru testowego za pomocą funkcji predict_voting(), przekazując listę klasyfikatorów clf_list oraz wejściowe cechy zbioru testowego.