เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เลือกโมเดลที่ดีที่สุด

ในแบบฝึกหัดนี้ จะได้เปรียบเทียบ classifier หลายตัวและเลือกตัวที่ทำงานได้ดีที่สุด

ชุดข้อมูลที่ใช้ — โหลดและแบ่งเป็น train set และ test set แล้ว — เป็นข้อมูลของ Pokémon ประกอบด้วยค่าสถิติ ประเภท และตัวแปรที่บอกว่า Pokémon ตัวนั้นเป็นระดับตำนานหรือไม่ เป้าหมายของ classifier คือการพยากรณ์ตัวแปร 'Legendary' นี้

มี classifier แต่ละตัวที่ฝึกกับ training set แล้ว 3 ตัว ดังนี้:

  • clf_lr คือ logistic regression
  • clf_dt คือ decision tree
  • clf_knn คือ 5-nearest neighbors classifier

เนื่องจากคลาสในชุดข้อมูลนี้ไม่สมดุล — มีเพียง 65 ตัวจาก Pokémon ทั้งหมด 800 ตัวที่เป็นระดับตำนาน — จึงใช้ F1-Score ในการวัดประสิทธิภาพ โดย f1_score() ของ scikit-learn ถูก import มาให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Ensemble Methods ใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Predict the labels of the test set
pred_lr = ____
pred_dt = ____
pred_knn = ____
แก้ไขและรันโค้ด