Uygulama puanlarını tahmin etmek için stacking uygulama
Bu egzersizde ilk Stacking topluluğunu (ensemble) kurmaya başlayacaksın. Kullanacağın veri kümesi, Bölüm 1'de kullandığımız ilk veri kümesi. Hatırlarsan, amaç her uygulamanın puanını (1'den 5'e) tahmin etmekti. Kullandığımız giriş özellikleri: Reviews, Size, Installs, Type, Price ve Content Rating.
Biz zaten adım 1: veri kümesini hazırla kısmını yaptık. apps olarak sana sunuluyor. Gerekli özellikleri temizledik ve eksik değerleri sıfırla değiştirdik.
Şimdi, adım 2: birinci katman tahminleyicilerini kur üzerinde çalışacaksın.
Bu egzersiz, kursun bir parçasıdır
Python'da Ensemble Yöntemleri
Egzersiz talimatları
- Şu ayarlarla bir karar ağacı sınıflandırıcısı kur ve eğit:
min_samples_leaf: 3vemin_samples_split: 9. - İşlemeyi hızlandırmak için şu ayarla 5-en yakın komşu sınıflandırıcısı kur ve eğit:
algorithm: 'ball_tree'. - Her tahminleyicinin başarımını test kümesinde accuracy skoruyla değerlendir.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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(____)))