Ansamblu cu gradient boosting
Boosting este o tehnică prin care eroarea unui predictor este transmisă ca intrare următorului, într-un mod secvențial. Gradient Boosting folosește o procedură de coborâre pe gradient pentru a minimiza log loss-ul pentru fiecare arbore de clasificare adăugat pe rând – arbori care, individual, sunt modele decizionale slabe. Gradient Boosting pentru regresie funcționează similar, dar utilizează o funcție de pierdere precum eroarea medie pătratică aplicată coborârii pe gradient.
În acest exercițiu, vei crea un model Gradient Boosting Classifier și vei compara performanța sa cu cea a modelului Random Forest din exercițiul anterior, care a obținut un scor de acuratețe de 72,5%.
DataFrame-ul loan_data a fost deja împărțit și este disponibil în spațiul tău de lucru ca X_train, X_test, y_train și y_test.
Acest exercițiu face parte din cursul
Exersează întrebări de interviu pentru Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import
from sklearn.____ import ____
from sklearn.____ import ____, ____, ____, ____, ____
# Instantiate
gb_model = ____(____=____, learning_rate=___,random_state=123)