or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
หากยังลังเลว่าโมเดลไหนดีที่สุดสำหรับปัญหาของคุณ ลองเปลี่ยนมุมมองใหม่ แล้วใช้ทุกโมเดลพร้อมกันแทน! ในบทนี้จะได้เรียนรู้วิธีรวมโมเดลหลายตัวเป็นโมเดลเดียวด้วยเทคนิค "Voting" และ "Averaging" แล้วนำไปทำนายคะแนนแอปใน Google Play Store, ทำนายว่า Pokémon ตัวไหนเป็นระดับ legendary และทำนายว่าตัวละครใดจะเสียชีวิตใน Game of Thrones!
แบบฝึกหัดปัจจุบัน
Bagging คือเทคนิค ensemble ที่อยู่เบื้องหลังอัลกอริทึม machine learning อันทรงพลังอย่าง random forests ในบทนี้จะได้เรียนรู้ทฤษฎีของเทคนิคนี้ และสร้างโมเดล bagging ด้วยตัวเองโดยใช้ scikit-learn
Boosting เป็นกลุ่มอัลกอริทึม ensemble learning ที่มีโมเดลชื่อดังอย่าง AdaBoost ในบทนี้จะได้เรียนรู้เกี่ยวกับโมเดลนี้ และนำไปทำนายรายได้ของภาพยนตร์ที่โดดเด่น รวมถึงได้เรียนรู้อัลกอริทึม gradient boosting อย่าง CatBoost และ XGBoost ด้วย
พร้อมแล้วหรือยังที่จะสำรวจ stacking! ในบทสุดท้ายนี้จะได้เรียนรู้เทคนิค ensemble แบบ stacking พร้อมวิธีนำไปใช้งานทั้งผ่าน scikit-learn และไลบรารี mlxtend จากนั้นจะได้นำ stacking ไปทำนายว่าเห็ดในอเมริกาเหนือกินได้หรือไม่ และกลับมาทำนายคะแนนแอป Google อีกครั้งด้วยแนวทางที่ล้ำกว่าเดิม