Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Herausforderung: Aufgabe mit Stacking-Klassifikator Lösen | Häufig Verwendete Stacking-Modelle
Ensemble-Lernen
course content

Kursinhalt

Ensemble-Lernen

Ensemble-Lernen

1. Grundprinzipien des Aufbaus von Ensemble-Modellen
2. Häufig Verwendete Bagging-Modelle
3. Häufig Verwendete Boosting-Modelle
4. Häufig Verwendete Stacking-Modelle

book
Herausforderung: Aufgabe mit Stacking-Klassifikator Lösen

Aufgabe

Swipe to start coding

Das 'blood-transfusion-service-center'-Datensatz ist ein Datensatz, der Informationen im Zusammenhang mit Blutspenden enthält. Er wird häufig als binäre Klassifikationsaufgabe verwendet, um vorherzusagen, ob ein Blutspender erneut Blut spenden wird. Der Datensatz enthält mehrere Merkmale, die Einblicke in die Geschichte und Eigenschaften des Spenders geben.

Ihre Aufgabe besteht darin, eine Klassifikationsaufgabe mit dem 'blood-transfusion-service-center'-Datensatz zu lösen:

  1. Verwenden Sie 3 verschiedene LogisticRegression-Modelle als Basismodelle. Jedes Modell muss unterschiedliche Regularisierungsparameter haben: 0.1, 1 und 10.
  2. Verwenden Sie MLPClassifier als Meta-Modell eines Ensembles.
  3. Erstellen Sie eine base_models-Liste, die alle Basismodelle des Ensembles enthält.
  4. Erstellen Sie schließlich ein StackingClassifier-Modell mit den angegebenen Basismodellen und Meta-Modell.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 4. Kapitel 2
toggle bottom row

book
Herausforderung: Aufgabe mit Stacking-Klassifikator Lösen

Aufgabe

Swipe to start coding

Das 'blood-transfusion-service-center'-Datensatz ist ein Datensatz, der Informationen im Zusammenhang mit Blutspenden enthält. Er wird häufig als binäre Klassifikationsaufgabe verwendet, um vorherzusagen, ob ein Blutspender erneut Blut spenden wird. Der Datensatz enthält mehrere Merkmale, die Einblicke in die Geschichte und Eigenschaften des Spenders geben.

Ihre Aufgabe besteht darin, eine Klassifikationsaufgabe mit dem 'blood-transfusion-service-center'-Datensatz zu lösen:

  1. Verwenden Sie 3 verschiedene LogisticRegression-Modelle als Basismodelle. Jedes Modell muss unterschiedliche Regularisierungsparameter haben: 0.1, 1 und 10.
  2. Verwenden Sie MLPClassifier als Meta-Modell eines Ensembles.
  3. Erstellen Sie eine base_models-Liste, die alle Basismodelle des Ensembles enthält.
  4. Erstellen Sie schließlich ein StackingClassifier-Modell mit den angegebenen Basismodellen und Meta-Modell.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 4. Kapitel 2
Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
We're sorry to hear that something went wrong. What happened?
some-alt