Boosting
În exercițiul anterior, ai făcut primii pași cu tehnicile de ansamblu folosind bagging. Într-un interviu de machine learning, s-ar putea să ți se ceară să testezi sau să discuți mai mult de o tehnică de ansamblu.
În acest exercițiu vei exersa Boosting, o metodă care folosește toate datele pentru a antrena fiecare model de bază, dar instanțele clasificate greșit de modelele anterioare primesc o pondere mai mare, astfel încât modelele ulterioare să se concentreze mai mult asupra lor în timpul antrenării. Rezultatul este un model cu bias redus.
Toate pachetele necesare au fost deja importate:
pandas ca pd, train_test_split din sklearn.model_selection, accuracy_score din sklearn.linear_model, LogisticRegression din sklearn.linear_model, precum și BaggingClassifier și AdaBoostClassifier din sklearn.ensemble.
DataFrame-ul loan_data a fost deja împărțit în 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.
# Boosting model
boosted_model = ____(____=____, random_state=123)