1. Learn
    2. /
  2. Cursuri
    3. /
  3. Exersează întrebări de interviu pentru Machine Learning în Python
Connected

exercițiu

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.

Instrucțiuni 1/4

undefined XP
    1
    2
    3
    4
  • Importă modulele necesare pentru a crea un model Gradient Boosting și pentru a afișa matricea de confuzie, acuratețea, precizia, recall-ul și scorurile F1.
  • Instanțiază un clasificator GB și setează argumentul corespunzător pentru a genera 50 de estimatori, cu o rată de învățare de 0.01.