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 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

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 3. Chapitre 2

Défi : Résoudre la Tâche en Utilisant le Classificateur AdaBoost

Tâche

Swipe to start coding

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

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 3. Chapitre 2

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