เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เตรียมพื้นฐาน

ในแบบฝึกหัดชุดนี้ จะได้เปรียบเทียบความแม่นยำแบบ OOB กับความแม่นยำบนชุดทดสอบของ bagging classifier ที่เทรนบนชุดข้อมูล Indian Liver Patient

ใน sklearn สามารถประเมินความแม่นยำแบบ OOB ของ ensemble classifier ได้โดยตั้งค่าพารามิเตอร์ oob_score เป็น True ตอนสร้างอินสแตนซ์ หลังจากเทรนโมเดลแล้ว สามารถดูค่าความแม่นยำ OOB ได้จาก attribute .oob_score_ ของอินสแตนซ์นั้น

ในสภาพแวดล้อมของคุณ เราได้เตรียมคลาส DecisionTreeClassifier จาก sklearn.tree ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import BaggingClassifier จาก sklearn.ensemble

  • สร้างอินสแตนซ์ DecisionTreeClassifier โดยตั้งค่า min_samples_leaf เป็น 8

  • สร้างอินสแตนซ์ BaggingClassifier ที่ประกอบด้วย 50 tree และตั้งค่า oob_score เป็น True

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import DecisionTreeClassifier
from sklearn.tree import DecisionTreeClassifier

# Import BaggingClassifier
____

# Instantiate dt
dt = ____(min_samples_leaf=____, random_state=1)

# Instantiate bc
bc = ____(base_estimator=____, 
            n_estimators=____,
            oob_score=____,
            random_state=1)
แก้ไขและรันโค้ด