Kom igångKom igång gratis

Definiera AdaBoost-klassificeraren

I följande övningar återvänder du till datamängden Indian Liver Patient, som introducerades i ett tidigare kapitel. Din uppgift är att förutsäga om en patient lider av en leversjukdom med hjälp av 10 särdrag, bland annat albumin, ålder och kön. Den här gången tränar du ett AdaBoost-ensemble för klassificeringsuppgiften. Eftersom datamängden är obalanserad används ROC AUC-poäng som utvärderingsmått i stället för noggrannhet.

Som första steg instansierar du en AdaBoost-klassificerare.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i Python

Visa kurs

Övningsinstruktioner

  • Importera AdaBoostClassifier från sklearn.ensemble.

  • Instansiera en DecisionTreeClassifier med max_depth satt till 2.

  • Instansiera en AdaBoostClassifier bestående av 180 träd och ange base_estimator till dt.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import DecisionTreeClassifier
from sklearn.tree import DecisionTreeClassifier

# Import AdaBoostClassifier
____

# Instantiate dt
dt = ____(____=____, random_state=1)

# Instantiate ada
ada = ____(base_estimator=____, n_estimators=____, random_state=1)
Redigera och kör kod