Kursinhalt
Ensemble-Lernen
Ensemble-Lernen
Herausforderung: Aufgabe mit Stacking-Klassifikator Lösen
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:
- Verwenden Sie 3 verschiedene
LogisticRegression
-Modelle als Basismodelle. Jedes Modell muss unterschiedliche Regularisierungsparameter haben:0.1
,1
und10
. - Verwenden Sie
MLPClassifier
als Meta-Modell eines Ensembles. - Erstellen Sie eine
base_models
-Liste, die alle Basismodelle des Ensembles enthält. - Erstellen Sie schließlich ein
StackingClassifier
-Modell mit den angegebenen Basismodellen und Meta-Modell.
Lösung
Danke für Ihr Feedback!
Herausforderung: Aufgabe mit Stacking-Klassifikator Lösen
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:
- Verwenden Sie 3 verschiedene
LogisticRegression
-Modelle als Basismodelle. Jedes Modell muss unterschiedliche Regularisierungsparameter haben:0.1
,1
und10
. - Verwenden Sie
MLPClassifier
als Meta-Modell eines Ensembles. - Erstellen Sie eine
base_models
-Liste, die alle Basismodelle des Ensembles enthält. - Erstellen Sie schließlich ein
StackingClassifier
-Modell mit den angegebenen Basismodellen und Meta-Modell.
Lösung
Danke für Ihr Feedback!