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

ćwiczenie

Sprawdzanie wyniku out-of-bag

Sprawdźmy teraz wynik out-of-bag dla modelu z poprzedniego ćwiczenia.

Do tej pory do mierzenia wydajności używano miary F1. W tym ćwiczeniu skorzystaj jednak z miary dokładności (accuracy), aby łatwo porównać ją z wynikiem out-of-bag.

Klasyfikator drzewa decyzyjnego z poprzedniego ćwiczenia, clf_dt, jest dostępny w twoim środowisku.

Zbiór danych pokemon jest już wczytany i podzielony na zbiory treningowy i testowy. Ponadto klasyfikator drzewa decyzyjnego został dopasowany i jest dostępny jako clf_dt – użyj go jako estymatora bazowego.

Instrukcje

100 XP
  • Zbuduj klasyfikator baggingowy, używając drzewa decyzyjnego jako estymatora bazowego i 21 estymatorów. Tym razem uwzględnij wynik out-of-bag, podając odpowiedni argument dla parametru oob_score.
  • Wyświetl wynik out-of-bag klasyfikatora.