Contenu du cours

Apprentissage Ensembliste

1. Principes de Base de la Construction de Modèles d'Ensemble

Qu'est-ce Qu'un Ensemble de Modèles ?Modèles de Bagging Modèles de Boosting Empilement de Modèles

2. Modèles de Bagging Couramment Utilisés

Classificateur de Bagging Défi : Résoudre la Tâche en Utilisant le Classificateur de Bagging Régression par Ensachage Défi : Résoudre la Tâche en Utilisant le Régressseur de Bagging Forêt Aléatoire Défi : Déterminer l'Importance des Caractéristiques en Utilisant la Forêt Random Arbres Supplémentaires

3. Modèles de Boosting Couramment Utilisés

Classificateur AdaBoost Défi : Résoudre la Tâche en Utilisant le Classificateur AdaBoost Défi : Résoudre la Tâche en Utilisant AdaBoost Regressor Amélioration du Gradient XGBoost Défi : Résoudre la Tâche en Utilisant XGBoost

4. Modèles de Stacking Couramment Utilisés

Classificateur d'Empilement Défi : Résoudre la Tâche en Utilisant un Classificateur de Stacking Défi : Résoudre la Tâche en Utilisant un Stacking Regressor Utilisation des Ensembles comme Modèles de Base Résumé du Cours

Défi : Résoudre la Tâche en Utilisant un Classificateur de Stacking

Tâche

Swipe to start coding

Le jeu de données 'blood-transfusion-service-center' est un ensemble de données qui contient des informations relatives au don de sang. Il est souvent utilisé comme une tâche de classification binaire pour prédire si un donneur de sang fera un nouveau don. Le jeu de données comprend plusieurs caractéristiques qui fournissent des informations sur l'historique et les caractéristiques du donneur.

Votre tâche est de résoudre une tâche de classification en utilisant le jeu de données 'blood-transfusion-service-center' :

Utilisez 3 modèles différents de LogisticRegression comme modèles de base. Chaque modèle doit avoir des paramètres de régularisation différents : 0.1, 1 et 10, respectivement.
Utilisez MLPClassifier comme méta-modèle d'un ensemble.
Créez une liste base_models contenant tous les modèles de base de l'ensemble.
Enfin, créez un modèle StackingClassifier avec les modèles de base spécifiés et le méta-modèle.

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 4. Chapitre 2

Défi : Résoudre la Tâche en Utilisant un Classificateur de Stacking

Tâche

Swipe to start coding

Votre tâche est de résoudre une tâche de classification en utilisant le jeu de données 'blood-transfusion-service-center' :

Utilisez 3 modèles différents de LogisticRegression comme modèles de base. Chaque modèle doit avoir des paramètres de régularisation différents : 0.1, 1 et 10, respectivement.
Utilisez MLPClassifier comme méta-modèle d'un ensemble.
Créez une liste base_models contenant tous les modèles de base de l'ensemble.
Enfin, créez un modèle StackingClassifier avec les modèles de base spécifiés et le méta-modèle.

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 4. Chapitre 2

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous