Kom igångKom igång gratis

Definiera ensemblen

I följande övningar arbetar du med Indian Liver Patient Dataset från UCI:s maskininlärningsbibliotek.

I den här övningen instansierar du tre klassificerare för att förutsäga om en patient lider av en leversjukdom, med hjälp av alla särdrag i datamängden.

Klasserna LogisticRegression, DecisionTreeClassifier och KNeighborsClassifier med aliaset KNN finns tillgängliga i din arbetsyta.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i Python

Visa kurs

Övningsinstruktioner

  • Instansiera en klassificerare för logistisk regression och tilldela den till lr.

  • Instansiera en KNN-klassificerare som tar hänsyn till de 27 närmaste grannarna och tilldela den till knn.

  • Instansiera en beslutsträdsklassificerare med parametern min_samples_leaf satt till 0.13 och tilldela den till dt.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Set seed for reproducibility
SEED=1

# Instantiate lr
lr = ____(random_state=SEED)

# Instantiate knn
knn = ____(n_neighbors=____)

# Instantiate dt
dt = ____(min_samples_leaf=____, random_state=SEED)

# Define the list classifiers
classifiers = [('Logistic Regression', lr), ('K Nearest Neighbours', knn), ('Classification Tree', dt)]
Redigera och kör kod