Bắt đầu ngayBắt đầu miễn phí

Thử nghiệm bagging lần đầu

Bạn đã thấy điều gì xảy ra trong một vòng lặp của một ensemble bagging. Giờ hãy tự xây dựng một mô hình bagging tùy chỉnh!

Hai hàm đã được chuẩn bị sẵn cho bạn:

def build_decision_tree(X_train, y_train, random_state=None):
    # Lấy mẫu có hoàn lại,
    # xây dựng một cây quyết định "yếu",
    # và fit nó vào tập huấn luyện

def predict_voting(classifiers, X_test):
    # Tạo các dự đoán riêng lẻ 
    # rồi kết hợp chúng bằng "Voting"

Về mặt kỹ thuật, hàm build_decision_tree() chính là những gì bạn đã làm ở bài tập trước. Ở đây, bạn sẽ xây dựng nhiều cây như vậy rồi kết hợp chúng. Hãy xem liệu ensemble các mô hình "yếu" này có cải thiện hiệu năng không!

Bài tập này là một phần của khóa học

Ensemble Methods in Python

Xem khóa học

Hướng dẫn bài tập

  • Xây dựng các mô hình riêng lẻ bằng cách gọi build_decision_tree(), truyền vào tập huấn luyện và chỉ số i làm random state.
  • Dự đoán nhãn cho tập kiểm tra bằng predict_voting(), với danh sách bộ phân loại clf_list và các đặc trưng đầu vào của tập kiểm tra.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Build the list of individual models
clf_list = []
for i in range(21):
	weak_dt = ____
	clf_list.append(weak_dt)

# Predict on the test set
pred = ____

# Print the F1 score
print('F1 score: {:.3f}'.format(f1_score(y_test, pred)))
Chỉnh sửa và Chạy Mã