Бустинг
В предыдущем упражнении вы познакомились с ансамблевыми методами и применили бэггинг. На собеседовании по машинному обучению вас могут попросить рассмотреть или реализовать несколько таких методов.
В этом упражнении вы попрактикуетесь с бустингом. Этот метод использует все данные для обучения каждого базового алгоритма, однако объектам, которые предыдущие алгоритмы классифицировали неверно, присваивается больший вес — чтобы последующие алгоритмы уделяли им больше внимания при обучении. В результате получается модель с уменьшенным смещением.
Все необходимые пакеты уже импортированы:
pandas как pd, train_test_split из sklearn.model_selection, accuracy_score из sklearn.linear_model, LogisticRegression из sklearn.linear_model, а также BaggingClassifier и AdaBoostClassifier из sklearn.ensemble.
Датафрейм loan_data уже разбит 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.
# Boosting model
boosted_model = ____(____=____, random_state=123)