Бутстреп-агрегація (bagging)
У попередньому уроці ви вперше спробували моделі класифікації, застосувавши логістичну регресію до даних з інженерингом ознак. На співбесідах з машинного навчання варто знати й про ансамблеві моделі, адже вони поєднують слабкі алгоритми, щоб отримати сильний, який підвищує точність моделі.
У цій вправі ви почнете з класифікатора bagging, який використовує вибірку з поверненням, щоб зберігати випадковість і зменшувати перенавчання. Ви скористаєтеся функціями з модуля sklearn.ensemble, які бачили у відео-вправі.
Усі потрібні пакети вже імпортовано для вас:
pandas як pd, train_test_split з sklearn.model_selection, accuracy_score з sklearn.metrics, LogisticRegression з sklearn.linear_model, а також BaggingClassifier і AdaBoostClassifier з sklearn.ensemble.
Датафрейм loan_data уже розбито на X_train, X_test, y_train і y_test.
Ця вправа є частиною курсу
Практика співбесід з Machine Learning у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Instantiate bootstrap aggregation model
bagged_model = ____(____=____, random_state=123)