Out Of Bag Auswertung

Maschinelles Lernen mit baumbasierten Modellen in Python

Elie Kawerk

Data Scientist

Bagging

Manchmal werden einige Datenpunkte für ein Modell mehrmals herangezogen.
Andere werden womöglich gar nicht untersucht.

Out-of-Bag (OOB) Datenpunkte

Im Durchschnitt werden für jedes Modell 63 % der Trainingsdatenpunkte genutzt.
Die restlichen 37 % sind sogenannte OOB-Datenpunkte.

OOB-Auswertung

oob-evaluation

OOB-Auswertung in sklearn (Brustkrebs-Datensatz)

# Import models and split utility function
from sklearn.ensemble import BaggingClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split

# Set seed for reproducibility
SEED = 1

# Split data into 70% train and 30% test
X_train, X_test, y_train, y_test =  train_test_split(X, y, test_size= 0.3,
                                                     stratify= y,
                                                     random_state=SEED)

# Instantiate a classification-tree 'dt'
dt = DecisionTreeClassifier(max_depth=4,
                            min_samples_leaf=0.16,
                            random_state=SEED)

# Instantiate a BaggingClassifier 'bc'; set oob_score = True 
bc = BaggingClassifier(base_estimator=dt, n_estimators=300,
                       oob_score=True, n_jobs=-1)


# Fit 'bc' to the training set
bc.fit(X_train, y_train)

# Predict the test set labels
y_pred = bc.predict(X_test)

# Evaluate test set accuracy
test_accuracy = accuracy_score(y_test, y_pred)

# Extract the OOB accuracy from 'bc'
oob_accuracy = bc.oob_score_

# Print test set accuracy
print('Test set accuracy: {:.3f}'.format(test_accuracy))

Test set accuracy: 0.936

# Print OOB accuracy
print('OOB accuracy: {:.3f}'.format(oob_accuracy))

OOB accuracy: 0.925

Lass uns üben!

Maschinelles Lernen mit baumbasierten Modellen in Python