Défi : Résoudre la Tâche en Utilisant le Classificateur AdaBoost

Tâche

Swipe to start coding

Le jeu de données load_wine est un exemple classique utilisé pour les tâches de classification. Il se compose de 178 échantillons, chacun représentant un cultivar de vin différent. Le jeu de données comprend 13 attributs numériques qui décrivent diverses caractéristiques chimiques des vins, y compris des caractéristiques telles que la teneur en alcool, la concentration en acide malique et la teneur en cendres. La variable cible se compose de trois classes distinctes représentant les trois cultivars différents.

Votre tâche est d'utiliser le classificateur AdaBoost pour résoudre le problème de classification sur le jeu de données load_wine :

Divisez les données en ensembles d'entraînement et de test.
Utilisez le constructeur AdaBoostClassifier() pour créer le modèle avec 50 estimateurs de base.

Remarque

Si nous ne spécifions pas le modèle de base de AdaBoostClassifier, le classificateur d'arbre de décision sera utilisé par défaut.

Solution

from sklearn.datasets import load_wine

from sklearn.model_selection import train_test_split

from sklearn.ensemble import AdaBoostClassifier

from sklearn.metrics import f1_score

# Load the Wine dataset

data = load_wine()

X = data.data

y = data.target

# Split the data into training and testing sets

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Create and train the AdaBoost Classifier

classifier = AdaBoostClassifier(n_estimators=50)

classifier.fit(X_train, y_train)

# Make predictions

y_pred = classifier.predict(X_test)

# Calculate F1 score

f1 = f1_score(y_test, y_pred, average='weighted')

print(f'F1 Score: {f1:.4f}')

Tout était clair ?

Merci pour vos commentaires !

Section 3. Chapitre 2

single