1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Connected

Cvičení

Agregacja przez próbkowanie losowe (bagging)

W ostatniej lekcji miałeś okazję zapoznać się z modelami klasyfikacji, stosując regresję logistyczną na danych z wytworzonymi cechami. Na rozmowach kwalifikacyjnych z uczenia maszynowego warto znać modele zespołowe, ponieważ łączą one słabe modele bazowe w jeden silny model o wyższej dokładności.

W tym ćwiczeniu zaczniesz od zastosowania klasyfikatora baggingowego, który korzysta z próbkowania ze zwracaniem, aby zachować losowość i ograniczyć przeuczenie. Skorzystasz z funkcji modułu sklearn.ensemble, który był omawiany w lekcji wideo.

Wszystkie potrzebne pakiety zostały już zaimportowane: pandas jako pd, train_test_split z sklearn.model_selection, accuracy_score z sklearn.metrics, LogisticRegression z sklearn.linear_model oraz BaggingClassifier i AdaBoostClassifier z sklearn.ensemble.

Ramka danych loan_data jest już podzielona na X_train, X_test, y_train i y_test.

Pokyny 1/4

undefined XP
    1
    2
    3
    4
  • Utwórz instancję klasyfikatora baggingowego, wywołując odpowiednią funkcję omówioną w lekcji wideo, i ustaw właściwy argument dla 50 estymatorów.