XG Boost
În acest exercițiu, vei exersa o altă tehnică de boosting. Supranumit noua regină a învățării automate, XGBoost este un pachet optimizat de gradient boosting distribuit care "cucerește lumea!" Prin urmare, este foarte probabil să fii întrebat despre el într-un interviu de Machine Learning sau, cel puțin, îți va fi de folos să îl menționezi într-unul dintre răspunsurile tale, demonstrând astfel că ești la curent cu algoritmii de ultimă generație și de înaltă acuratețe.
Argumentul learning_rate=0.1 specifică dimensiunea pasului efectuat la fiecare iterație în căutarea minimului global, iar max_depth controlează dimensiunea (adâncimea) arborilor de decizie – în acest caz, 3.
Toate pachetele necesare au fost deja importate pentru tine:
pandas ca pd, train_test_split din sklearn.model_selection, accuracy_score din sklearn.linear_model, LogisticRegression din sklearn.linear_model, BaggingClassifier și AdaBoostClassifier din sklearn.ensemble, și XGBClassifier din xgboost.
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.
# Instantiate
xgb = ____(____=____, random_state=123, learning_rate=0.1, max_depth=3)