Out-of-bag skorunu kontrol etme

Şimdi önceki egzersizdeki model için out-of-bag skorunu kontrol edelim.

Şu ana kadar performansı ölçmek için F1 skorunu kullandın. Ancak bu egzersizde out-of-bag skoruyla kolayca karşılaştırabilmek için accuracy skorunu kullanmalısın.

Önceki egzersizdeki karar ağacı sınıflandırıcısı clf_dt çalışma alanında mevcut.

pokemon veri kümesi senin için zaten yüklendi ve eğitim/test olarak ayrıldı. Ayrıca karar ağacı sınıflandırıcısı eğitildi ve temel tahminleyici olarak kullanman için clf_dt adıyla hazır.

Bu egzersiz, kursun bir parçasıdır

Python'da Ensemble Yöntemleri

Kursa Göz Atın

Egzersiz talimatları

Karar ağacını temel tahminleyici olarak kullanıp 21 tahminleyicili bir bagging sınıflandırıcısı kur. Bu kez oob_score parametresine bir argüman vererek out-of-bag skorunu kullan.
Sınıflandırıcının out-of-bag skorunu yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Build and train the bagging classifier
clf_bag = ____(
  ____,
  ____,
  ____,
  random_state=500)
clf_bag.fit(X_train, y_train)

# Print the out-of-bag score
print('OOB-Score: {:.3f}'.format(____))

# Evaluate the performance on the test set to compare
pred = clf_bag.predict(X_test)
print('Accuracy: {:.3f}'.format(accuracy_score(y_test, pred)))

Kodu Düzenle ve Çalıştır