Бэггинг (bootstrap aggregation)
В предыдущем уроке вы познакомились с моделями классификации, применив логистическую регрессию к данным с преобразованными признаками. На собеседованиях по машинному обучению нередко спрашивают об ансамблевых методах: они объединяют слабые модели, чтобы создать сильную и повысить точность предсказаний.
В этом упражнении вы начнёте с бэггинг-классификатора, который использует технику выборки с возвращением для сохранения случайности и снижения переобучения. Вы будете работать с функциями из модуля sklearn.ensemble, который был представлен в видеоуроке.
Все необходимые пакеты уже импортированы:
pandas как pd, train_test_split из sklearn.model_selection, accuracy_score из sklearn.metrics, LogisticRegression из sklearn.linear_model, а также BaggingClassifier и AdaBoostClassifier из sklearn.ensemble.
Датафрейм loan_data уже разделён на X_train, X_test, y_train и y_test.
Это упражнение является частью курса
Практика вопросов интервью по машинному обучению на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Instantiate bootstrap aggregation model
bagged_model = ____(____=____, random_state=123)