Défi : Résoudre la Tâche en Utilisant un Stacking Regressor
Stacking Regressor est un modèle d'apprentissage ensembliste de stacking utilisé pour résoudre des tâches de régression. Le principe de fonctionnement de ce modèle est similaire au Stacking Classifier : la seule différence est que nous utilisons des algorithmes de régression comme modèles de base et méta-modèles de l'ensemble.
Nous pouvons utiliser la classe StackingRegressor de la bibliothèque sklearn pour implémenter ce modèle en Python.
Swipe to start coding
Le jeu de données make_friedman1 est un jeu de données synthétique fréquemment utilisé pour les tâches de régression en apprentissage automatique. Ce jeu de données est largement utilisé dans les tutoriels de régression et l'expérimentation car il est simple, mais peut être personnalisé avec différents niveaux de bruit et dimensions de caractéristiques pour simuler divers scénarios de régression.
Votre tâche est de résoudre la tâche de régression sur le jeu de données Friedman en utilisant Stacking Regressor :
- Fournissez une division en sous-ensembles d'entraînement et de test du jeu de données d'entraînement : la proportion du jeu de données à inclure dans la division de test doit être
0.2. - Utilisez Decision Tree Regressor avec
max_depthégal à3comme l'un des modèles de base. - Créez un modèle Stacking Regressor en utilisant des modèles de base et un méta-modèle.
- Ajustez le modèle Stacking Regressor sur les données d'entraînement.
Solution
Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessousMerci pour vos commentaires !
Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous