ПочатиПочніть безкоштовно

Підготуйте основу

У наступних вправах ви порівняєте OOB-точність із точністю на тестовій вибірці для класифікатора bagging, натренованого на наборі даних Indian Liver Patient.

У sklearn ви можете оцінити OOB-точність ансамблевого класифікатора, встановивши параметр oob_score у значення True під час створення екземпляра. Після навчання класифікатора OOB-точність можна отримати через атрибут екземпляра .oob_score_.

У вашому середовищі доступний клас DecisionTreeClassifier із sklearn.tree.

Ця вправа є частиною курсу

Машинне навчання з деревоподібними моделями в Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте BaggingClassifier з sklearn.ensemble.

  • Створіть екземпляр DecisionTreeClassifier, встановивши min_samples_leaf рівним 8.

  • Створіть екземпляр BaggingClassifier, що складається з 50 дерев, і встановіть oob_score у True.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import DecisionTreeClassifier
from sklearn.tree import DecisionTreeClassifier

# Import BaggingClassifier
____

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

# Instantiate bc
bc = ____(base_estimator=____, 
            n_estimators=____,
            oob_score=____,
            random_state=1)
Редагувати та запускати код