Bagging: theo cách của scikit-learn
Giờ hãy áp dụng BaggingClassifier của scikit-learn lên bộ dữ liệu Pokémon.
Bạn đã đạt F1 score khoảng 0.63 với mô hình bagging tự xây dựng.
BaggingClassifier() có vượt qua được không? Cùng kiểm chứng nào!
Bài tập này là một phần của khóa học
Ensemble Methods in Python
Hướng dẫn bài tập
- Khởi tạo mô hình cơ sở,
clf_dt: một cây quyết định “giới hạn” với độ sâu tối đa bằng 4. - Xây dựng một bộ phân loại bagging dùng cây quyết định làm base estimator, với 21 estimator.
- Dự đoán nhãn 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.
# Instantiate the base model
clf_dt = ____
# Build the Bagging classifier
clf_bag = ____(____, ____, random_state=500)
# Fit the Bagging model to the training set
clf_bag.fit(X_train, y_train)
# Predict the labels of the test set
pred = ____
# Show the F1-score
print('F1-Score: {:.3f}'.format(f1_score(y_test, pred)))