or
Это упражнение является частью курса
Трудно выбрать лучшую модель из нескольких построенных? Не нужно останавливаться на одной — используйте их все сразу! В этой главе вы узнаете, как объединять несколько моделей в одну с помощью методов «голосования» и «усреднения». Вы примените их для предсказания рейтингов приложений в Google Play Store, определения легендарности покемонов и прогнозирования гибели персонажей «Игры престолов»!
Текущее упражнение
Бэггинг — это ансамблевый метод, лежащий в основе таких мощных алгоритмов, как случайные леса. В этой главе вы изучите теорию этой техники и построите собственные модели бэггинга с помощью scikit-learn.
Бустинг — это класс ансамблевых алгоритмов машинного обучения, включающий такие известные модели, как AdaBoost. В этой главе вы познакомитесь с этим алгоритмом и применёте его для предсказания кассовых сборов фильмов. Также вы изучите алгоритмы градиентного бустинга — CatBoost и XGBoost.
Познакомьтесь со стекингом! В финальной главе курса вы изучите этот ансамблевый метод и научитесь реализовывать его как с помощью scikit-learn, так и с библиотекой mlxtend. Вы примените стекинг для предсказания съедобности грибов Северной Америки и вернётесь к задаче оценки рейтингов приложений Google, используя этот более продвинутый подход.