Stacking sınıflandırıcısını oluşturma
Şimdi sıradaki iki adım üzerinde çalışacaksın.
Adım 3: Tahminleri veri kümesine ekle:
bu işlem dahili olarak StackingClassifier sınıfı tarafından yönetilir, ama biz de bir önceki egzersizde oluşturduğun ilk katman sınıflandırıcıların listesini hazırlayacağız. Bunlar clf_dt ve clf_knn olarak mevcut.
Adım 4: İkinci katman meta tahmincisini oluştur:
bu amaçla varsayılan LogisticRegression kullanacaksın. Bu model, temel tahmincilerin bireysel tahminlerini girdi özelliği olarak alır.
Her iki katmanın tahmincileri hazır olduğunda stacking sınıflandırıcısını kurabilirsin.
Bu egzersiz, kursun bir parçasıdır
Python'da Ensemble Yöntemleri
Egzersiz talimatları
- İlk katman sınıflandırıcılarıyla (uygun etiket ve sırayı belirterek)
clf_dtveclf_knniçin ikililer listesini hazırla. - İkinci katman meta tahmincisini örnekle: bir
LogisticRegression. - Aşağıdakileri geçirerek stacking sınıflandırıcısını oluştur: ikililer listesi, meta sınıflandırıcı ve
stack_method='predict_proba'(sınıf olasılıklarını kullanmak için) ilepassthrough = False(özellik olarak yalnızca tahminleri kullanmak için).
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Prepare the list of tuples with the first-layer classifiers
classifiers = [
____,
____
]
# Instantiate the second-layer meta estimator
clf_meta = ____
# Build the stacking classifier
clf_stack = ____(
____,
____,
____,
____)