定义 AdaBoost 分类器

在接下来的练习中，您将再次使用之前章节介绍过的 Indian Liver Patient 数据集。您的任务是利用 10 个特征（包括白蛋白、年龄和性别）来预测患者是否患有肝病。不过这一次，您将训练一个 AdaBoost 集成模型来完成分类任务。此外，考虑到该数据集是类别不平衡的，您将使用 ROC AUC 作为评估指标，而不是准确率。

第一步，请先实例化一个 AdaBoost 分类器。

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 AdaBoostClassifier。
实例化一个 DecisionTreeClassifier，将 max_depth 设为 2。
实例化一个由 180 棵树组成的 AdaBoostClassifier，并将 base_estimator 设置为 dt。

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 AdaBoostClassifier
____

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

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

编辑并运行代码