做好准备

接下来几道练习中，您将比较在 Indian Liver Patient 数据集上训练的 bagging 分类器的 OOB 准确率与测试集准确率。

在 sklearn 中，您可以在实例化集成分类器时将参数 oob_score 设为 True 来评估其 OOB 准确率。训练完成后，可通过该实例的 .oob_score_ 属性获取 OOB 准确率。

在您的环境中，我们已提供来自 sklearn.tree 的 DecisionTreeClassifier 类。

本练习是课程的一部分

Python 树模型机器学习

查看课程

练习说明

从 sklearn.ensemble 导入 BaggingClassifier。
实例化一个 DecisionTreeClassifier，将 min_samples_leaf 设为 8。
实例化一个由 50 棵树组成的 BaggingClassifier，并将 oob_score 设为 True。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Import DecisionTreeClassifier
from sklearn.tree import DecisionTreeClassifier

# Import BaggingClassifier
____

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

# Instantiate bc
bc = ____(base_estimator=____, 
            n_estimators=____,
            oob_score=____,
            random_state=1)

编辑并运行代码