定義 AdaBoost 分類器

在接下來的練習中，你會回到先前章節介紹過的 Indian Liver Patient 資料集。你的任務是用 10 個特徵（包含白蛋白（Albumin）、年齡與性別）來預測病患是否罹患肝臟疾病。不過這一次，你將訓練一個 AdaBoost 集成模型來執行分類任務。此外，考量到這個資料集的類別不平衡，你會使用 ROC AUC 分數作為評估指標，而不是準確率。

第一步，先建立一個 AdaBoost 分類器。

本練習屬於課程

Machine Learning with Tree-Based Models in Python

檢視課程

練習說明

從 sklearn.ensemble 匯入 AdaBoostClassifier。
建立一個 DecisionTreeClassifier，並將 max_depth 設為 2。
建立一個包含 180 棵樹的 AdaBoostClassifier，並將 base_estimator 設為 dt。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Import DecisionTreeClassifier
from sklearn.tree import DecisionTreeClassifier

# Import AdaBoostClassifier
____

# Instantiate dt
dt = ____(____=____, random_state=1)

# Instantiate ada
ada = ____(base_estimator=____, n_estimators=____, random_state=1)

編輯並執行程式碼