1. 学ぶ
    2. /
  2. コース
    3. /
  3. Luyện tập câu hỏi phỏng vấn Machine Learning bằng Python
Connected

演習

Tập hợp mô hình gradient boosting

Boosting là một kỹ thuật trong đó lỗi của bộ dự đoán trước được truyền làm đầu vào cho bộ dự đoán tiếp theo theo trình tự. Gradient Boosting sử dụng quy trình gradient descent để tối thiểu hóa log loss cho mỗi cây phân loại được bổ sung lần lượt, vốn bản thân là các mô hình quyết định yếu. Gradient Boosting cho hồi quy cũng tương tự, nhưng dùng một hàm mất mát như mean squared error áp dụng với gradient descent.

Trong bài tập này, bạn sẽ tạo một mô hình Gradient Boosting Classifier và so sánh hiệu năng của nó với Random Forest ở bài trước, vốn đạt độ chính xác 72.5%.

DataFrame loan_data đã được chia và có sẵn trong không gian làm việc của bạn dưới dạng X_train, X_test, y_train và y_test.

指示1 / 4

undefined XP
    1
    2
    3
    4
  • Import các mô-đun để tạo một mô hình Gradient Boosting và in ra confusion matrix, accuracy, precision, recall và F1-score.
  • Khởi tạo một bộ phân loại GB và đặt tham số phù hợp để tạo 50 estimators với learning rate là 0.01.