นำ Stacking ไปใช้พยากรณ์คะแนนแอป
ในแบบฝึกหัดนี้ จะเริ่มสร้าง Stacking ensemble ชุดแรก ชุดข้อมูลที่ใช้คือชุดเดียวกับที่เราใช้ในบทที่ 1 โดยมีเป้าหมายเพื่อพยากรณ์คะแนนของแต่ละแอป (จาก 1 ถึง 5) โดยใช้ฟีเจอร์อินพุต ได้แก่ Reviews, Size, Installs, Type, Price และ Content Rating
เราได้ทำ ขั้นตอนที่ 1: เตรียมชุดข้อมูล เสร็จแล้ว ชุดข้อมูลนี้พร้อมใช้งานในชื่อ apps โดยได้ทำความสะอาดฟีเจอร์ที่จำเป็นและแทนที่ค่าที่หายไปด้วยศูนย์แล้ว
ทีนี้มาทำ ขั้นตอนที่ 2: สร้างตัวประมาณค่าชั้นแรก กัน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Ensemble Methods ใน Python
คำแนะนำการฝึกหัด
- สร้างและ fit Decision Tree Classifier โดยกำหนด:
min_samples_leaf: 3และmin_samples_split: 9 - สร้างและ fit 5-Nearest Neighbors Classifier โดยใช้:
algorithm: 'ball_tree'(เพื่อเพิ่มความเร็วในการประมวลผล) - ประเมินประสิทธิภาพของตัวประมาณค่าแต่ละตัวโดยใช้ค่า accuracy score บนชุดข้อมูลทดสอบ
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Build and fit a Decision Tree classifier
clf_dt = ____(____, ____, random_state=500)
clf_dt.____
# Build and fit a 5-nearest neighbors classifier using the 'Ball-Tree' algorithm
clf_knn = ____
clf_knn.____
# Evaluate the performance using the accuracy score
print('Decision Tree: {:0.4f}'.format(accuracy_score(____)))
print('5-Nearest Neighbors: {:0.4f}'.format(accuracy_score(____)))