เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้าง Ensemble ตัวแรกของคุณ

ถึงเวลาสร้าง Ensemble โมเดลตัวแรกแล้ว! ชุดข้อมูล Pokémon จากแบบฝึกหัดก่อนหน้าถูกโหลดและแบ่งเป็นชุด train และ test เรียบร้อยแล้ว

โจทย์คือนำเทคนิค Voting Ensemble มาใช้ผ่าน API ของ sklearn โดยสร้างโมเดลแต่ละตัวและส่งเป็นพารามิเตอร์เพื่อสร้าง Voting Classifier ตัวแรกของคุณ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Ensemble Methods ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง KNeighborsClassifier ชื่อ clf_knn โดยกำหนดจำนวนเพื่อนบ้านเป็น 5 (ระบุผ่าน n_neighbors)
  • สร้าง LogisticRegression แบบ "balanced" ชื่อ clf_lr (ระบุผ่าน class_weight)
  • สร้าง DecisionTreeClassifier ชื่อ clf_dt โดยกำหนด min_samples_leaf = 3 และ min_samples_split = 9
  • สร้าง VotingClassifier โดยใช้พารามิเตอร์ estimators เพื่อระบุลิสต์ของ tuple แบบ (str, estimator) ดังนี้: 'knn', clf_knn, 'lr', clf_lr และ 'dt', clf_dt

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Instantiate the individual models
clf_knn = ____
clf_lr = ____
clf_dt = ____(____, ____, random_state=500)

# Create and fit the voting classifier
clf_vote = ____(
    estimators=[('____', ____), ('____', ____), ('____', ____)]
)
clf_vote.fit(X_train, y_train)
แก้ไขและรันโค้ด