Bắt đầu ngayBắt đầu miễn phí

Xây dựng bộ phân loại stacking

Giờ bạn sẽ làm hai bước tiếp theo.

Bước 3: Gắn thêm dự đoán vào dữ liệu: việc này được xử lý nội bộ bởi lớp StackingClassifier, nhưng bạn sẽ chuẩn bị danh sách các bộ phân loại tầng thứ nhất, mà bạn đã xây ở bài trước. Chúng hiện có dưới dạng: clf_dt và clf_knn.

Bước 4: Xây dựng bộ ước lượng meta tầng thứ hai: cho mục đích này bạn sẽ dùng LogisticRegression mặc định. Mô hình này sẽ nhận đầu vào là các đặc trưng là dự đoán riêng lẻ từ các bộ ước lượng nền (base estimators).

Khi cả hai tầng bộ ước lượng đã sẵn sàng, bạn có thể xây dựng bộ phân loại stacking.

Bài tập này là một phần của khóa học

Ensemble Methods in Python

Xem khóa học

Hướng dẫn bài tập

  • Chuẩn bị danh sách các tuple với các bộ phân loại tầng thứ nhất: clf_dt và clf_knn (chỉ rõ nhãn phù hợp và thứ tự).
  • Khởi tạo bộ ước lượng meta tầng thứ hai: một LogisticRegression.
  • Xây dựng bộ phân loại stacking bằng cách truyền: danh sách các tuple, bộ phân loại meta, với stack_method='predict_proba' (để dùng xác suất lớp), và passthrough = False (chỉ dùng dự đoán làm đặc trưng).

Bài tập tương tác thực hành trực tiếp

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

# Prepare the list of tuples with the first-layer classifiers
classifiers = [
	____,
    ____
]

# Instantiate the second-layer meta estimator
clf_meta = ____

# Build the stacking classifier
clf_stack = ____(
   ____,
   ____,
   ____,
   ____)
Chỉnh sửa và Chạy Mã