or
Bu egzersiz, kursun bir parçasıdır
Kurduğun modellerden hangisinin problemin için en iyi olduğuna karar vermekte zorlanıyor musun? Vazgeç ve hepsini birlikte kullan! Bu bölümde, birden fazla modeli "Voting" ve "Averaging" kullanarak tek bir modelde nasıl birleştireceğini öğreneceksin. Bunları Google Play Store'daki uygulamaların puanlarını, bir Pokémon'un efsanevi olup olmadığını ve Game of Thrones'ta hangi karakterlerin öleceğini tahmin etmek için kullanacaksın!
Geçerli egzersiz
Bagging, random forest gibi güçlü Machine Learning algoritmalarının arkasındaki ensemble yöntemidir. Bu bölümde bu tekniğin teorisini öğrenecek ve scikit-learn kullanarak kendi bagging modellerini oluşturacaksın.
Boosting, AdaBoost gibi ödüllü modelleri içeren bir ensemble öğrenme sınıfıdır. Bu bölümde bu ödüllü modeli öğrenecek ve ödüllü filmlerin gelirini tahmin etmek için kullanacaksın! Ayrıca CatBoost ve XGBoost gibi gradient boosting algoritmalarını da öğreneceksin.
Hazır mısın, şimdi katmanları üst üste koyuyoruz! Bu son bölümde stacking ensemble yöntemini öğreneceksin. Bunu hem scikit-learn ile hem de mlxtend kütüphanesiyle nasıl uygulayacağını göreceksin! Stacking'i Kuzey Amerika mantarlarının yenilebilirliğini tahmin etmekte kullanacak ve Google uygulama puanlarını bu daha gelişmiş yaklaşımla yeniden ele alacaksın.