Áp dụng stacking để dự đoán xếp hạng ứng dụng
Trong bài tập này, bạn sẽ bắt đầu xây dựng Stacking ensemble đầu tiên. Bộ dữ liệu bạn dùng chính là bộ đầu tiên ở Chương 1. Như bạn nhớ, mục tiêu là dự đoán xếp hạng của mỗi ứng dụng (từ 1 đến 5). Các đặc trưng đầu vào gồm: Reviews, Size, Installs, Type, Price, và Content Rating.
Chúng tôi đã thực hiện sẵn bước 1: chuẩn bị dữ liệu. Dữ liệu có sẵn dưới tên apps. Chúng tôi đã làm sạch các đặc trưng cần thiết và thay thế giá trị thiếu bằng 0.
Bây giờ, bạn sẽ làm bước 2: xây dựng các bộ ước lượng tầng thứ nhất.
Bài tập này là một phần của khóa học
Ensemble Methods in Python
Hướng dẫn bài tập
- Xây dựng và fit một decision tree classifier với:
min_samples_leaf: 3vàmin_samples_split: 9. - Xây dựng và fit một 5-nearest neighbors classifier dùng:
algorithm: 'ball_tree'(để tăng tốc xử lý). - Đánh giá hiệu năng của từng bộ ước lượng bằng accuracy score trên 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 and fit a Decision Tree classifier
clf_dt = ____(____, ____, random_state=500)
clf_dt.____
# Build and fit a 5-nearest neighbors classifier using the 'Ball-Tree' algorithm
clf_knn = ____
clf_knn.____
# Evaluate the performance using the accuracy score
print('Decision Tree: {:0.4f}'.format(accuracy_score(____)))
print('5-Nearest Neighbors: {:0.4f}'.format(accuracy_score(____)))