Agregare prin bootstrap (bagging)

În ultima lecție, ai avut parte de o primă întâlnire cu modelele de clasificare, aplicând regresia logistică pe date cu atribute create prin ingineria caracteristicilor. În interviurile de machine learning, cunoașterea modelelor de tip ansamblu poate fi un avantaj real, deoarece acestea combină modele slabe pentru a crea un model puternic care îmbunătățește acuratețea predicțiilor.

În acest exercițiu, vei aplica un clasificator de tip bagging, care folosește o tehnică de eșantionare cu înlocuire pentru a menține caracterul aleatoriu și a reduce supraadaptarea (overfitting). Vei folosi funcții din modulul sklearn.ensemble, pe care l-ai văzut în exercițiul video.

Toate pachetele necesare au fost deja importate: pandas ca pd, train_test_split din sklearn.model_selection, accuracy_score din sklearn.metrics, LogisticRegression din sklearn.linear_model, și BaggingClassifier și AdaBoostClassifier din sklearn.ensemble.

DataFrame-ul loan_data este deja împărțit în X_train, X_test, y_train și y_test.