เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

กำหนด AdaBoost Classifier

ในแบบฝึกหัดชุดนี้ เราจะกลับมาใช้ชุดข้อมูล Indian Liver Patient ที่เคยแนะนำไปในบทก่อนหน้า โจทย์คือการทำนายว่าผู้ป่วยมีโรคตับหรือไม่ โดยใช้ 10 ฟีเจอร์ ได้แก่ Albumin อายุ และเพศ ครั้งนี้จะฝึก AdaBoost ensemble เพื่อทำการจำแนกประเภท นอกจากนี้ เนื่องจากชุดข้อมูลนี้มีความไม่สมดุล จึงใช้คะแนน ROC AUC เป็นเมตริกแทนค่าความแม่นยำ

ขั้นตอนแรก เริ่มต้นด้วยการสร้าง AdaBoost classifier

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า AdaBoostClassifier จาก sklearn.ensemble

  • สร้าง DecisionTreeClassifier โดยตั้งค่า max_depth เป็น 2

  • สร้าง AdaBoostClassifier ที่ประกอบด้วย 180 ต้นไม้ และตั้งค่า base_estimator เป็น dt

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import DecisionTreeClassifier
from sklearn.tree import DecisionTreeClassifier

# Import AdaBoostClassifier
____

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

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