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 le Régressseur de Bagging

Tâche

Swipe to start coding

Le jeu de données load_diabetes contient dix variables de base (âge, sexe, IMC, pression artérielle moyenne et six mesures de sérum sanguin) pour 442 patients diabétiques. La variable cible est une mesure quantitative de la progression de la maladie un an après la ligne de base. Ce jeu de données est utilisé pour prédire la variable continue, représentant la progression du diabète, en fonction des caractéristiques données.

Votre tâche est d'utiliser le Bagging Regressor pour résoudre le problème de régression sur le jeu de données load_diabetes :

Utilisez un modèle simple LinearRegression comme modèle de base de l'ensemble.
Utilisez la classe BaggingRegressor pour créer un ensemble.
Utilisez l'erreur quadratique moyenne (MSE) pour évaluer les résultats.

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 2. Chapitre 4

Défi : Résoudre la Tâche en Utilisant le Régressseur de Bagging

Tâche

Swipe to start coding

Votre tâche est d'utiliser le Bagging Regressor pour résoudre le problème de régression sur le jeu de données load_diabetes :

Utilisez un modèle simple LinearRegression comme modèle de base de l'ensemble.
Utilisez la classe BaggingRegressor pour créer un ensemble.
Utilisez l'erreur quadratique moyenne (MSE) pour évaluer les résultats.

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 2. Chapitre 4

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