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

ćwiczenie

Bagging w scikit-learn

Zastosujmy teraz BaggingClassifier z biblioteki scikit-learn do zbioru danych Pokémon.

Wcześniej uzyskałeś wynik F1 wynoszący około 0.63 z własnym zespołem baggingowym.

Czy BaggingClassifier() go pobije? Czas się przekonać!

Instrukcje

100 XP
  • Utwórz model bazowy clf_dt: "ograniczone" drzewo decyzyjne z maksymalną głębokością 4.
  • Zbuduj klasyfikator baggingowy z drzewem decyzyjnym jako estymatorem bazowym, używając 21 estymatorów.
  • Przewidź etykiety zbioru testowego.