or
Acest exercițiu face parte din cursul
Îți este greu să alegi cel mai bun model pentru problema ta? Renunță la această dilemă și folosește-le pe toate! În acest capitol, vei învăța cum să combini mai multe modele într-unul singur prin tehnicile „Voting" și „Averaging". Le vei folosi pentru a prezice ratingurile aplicațiilor din Google Play Store, pentru a determina dacă un Pokémon este legendar și pentru a identifica ce personaje vor muri în Game of Thrones!
Exercițiul curent
Bagging este metoda de ansamblu care stă la baza unor algoritmi puternici de machine learning, precum pădurile aleatorii. În acest capitol, vei învăța teoria din spatele acestei tehnici și vei construi propriile modele de bagging folosind scikit-learn.
Boosting este o clasă de algoritmi de învățare prin ansamblu care include modele de top, precum AdaBoost. În acest capitol, vei explora acest model premiat și îl vei folosi pentru a prezice veniturile unor filme de succes! Vei învăța, de asemenea, despre algoritmi de gradient boosting, precum CatBoost și XGBoost.
Pregătește-te să descoperi cum funcționează stacking-ul! În acest capitol final, vei învăța despre metoda de ansamblu prin stacking. Vei vedea cum să o implementezi atât cu scikit-learn, cât și cu biblioteca mlxtend! Vei aplica stacking-ul pentru a prezice comestibilitatea ciupercilor din America de Nord și vei reveni la ratingurile aplicațiilor Google cu această abordare mai avansată.