Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Apprendre Défi : Implémentation d'une Forêt Aléatoire | Forêt Aléatoire
Classification Avec Python
course content

Contenu du cours

Classification Avec Python

Classification Avec Python

1. Classificateur K-NN
Qu'est-ce Que la ClassificationQu'est-ce Que k-NNK-NN avec Plusieurs CaractéristiquesImplémentation de k-NNClassification Multi-ClassesSéparation Train-Test. Validation CroiséeDéfi : Choisir la Meilleure Valeur de K.Résumé K-NN
2. Régression Logistique
Qu'est-ce Que la Régression LogistiqueTrouver les ParamètresDéfi : Mise en Œuvre de la Régression LogistiqueFrontière de DécisionSurapprentissage. RégularisationDéfi : Classification de Données Non SéparablesRésumé de la Régression Logistique
3. Arbre de Décision
Qu'est-ce Qu'un Arbre de DécisionFractionner les NœudsArbre FouDéfi : Implémenter un Arbre de DécisionRésumé de l'Arbre de Décision
4. Forêt Aléatoire
Qu'est-ce Que la Forêt AléatoireLe Caractère Aléatoire de la ForêtDéfi : Implémentation d'une Forêt AléatoireRésumé de la Forêt Aléatoire
5. Comparer les Modèles
Matrice de ConfusionMétriquesDéfi : Comparaison des ModèlesRésumé

book
Défi : Implémentation d'une Forêt Aléatoire

Dans ce chapitre, vous allez construire une Forêt Aléatoire en utilisant le même jeu de données du Titanic.

De plus, vous calculerez la précision de la validation croisée en utilisant la fonction cross_val_score()

À la fin, vous afficherez les importances des caractéristiques.
L'attribut feature_importances_ ne contient qu'un tableau avec les importances sans spécifier le nom d'une caractéristique.
Pour imprimer les paires ('nom', importance), vous pouvez utiliser la syntaxe suivante :

Tâche

Swipe to start coding

  1. Importez la classe RandomForestClassifier.
  2. Créez une instance de la classe RandomForestClassifier avec les paramètres par défaut et entraînez-la.
  3. Imprimez le score de validation croisée avec cv=10 du random_forest que vous venez de construire.
  4. Imprimez l'importance de chaque caractéristique avec son nom.

Solution

Switch to desktopPassez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous
Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 4. Chapitre 3
toggle bottom row

book
Défi : Implémentation d'une Forêt Aléatoire

Dans ce chapitre, vous allez construire une Forêt Aléatoire en utilisant le même jeu de données du Titanic.

De plus, vous calculerez la précision de la validation croisée en utilisant la fonction cross_val_score()

À la fin, vous afficherez les importances des caractéristiques.
L'attribut feature_importances_ ne contient qu'un tableau avec les importances sans spécifier le nom d'une caractéristique.
Pour imprimer les paires ('nom', importance), vous pouvez utiliser la syntaxe suivante :

Tâche

Swipe to start coding

  1. Importez la classe RandomForestClassifier.
  2. Créez une instance de la classe RandomForestClassifier avec les paramètres par défaut et entraînez-la.
  3. Imprimez le score de validation croisée avec cv=10 du random_forest que vous venez de construire.
  4. Imprimez l'importance de chaque caractéristique avec son nom.

Solution

Switch to desktopPassez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous
Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 4. Chapitre 3
Switch to desktopPassez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous
We're sorry to hear that something went wrong. What happened?
some-alt