Bagging

Python ile Ağaç Tabanlı Modellerle Machine Learning

Elie Kawerk

Data Scientist

Topluluk Yöntemleri

Oylama Sınıflandırıcısı

aynı eğitim kümesi,
$\neq$ algoritmalar.

Bagging

tek algoritma,
eğitim kümesinin $\neq$ alt kümeleri.

Bagging

Bagging: Bootstrap Toplulaştırma.
Bootstrap tekniğini kullanır.
Topluluk içindeki bireysel modellerin varyansını azaltır.

Bootstrap

bootstrap

Bagging: Eğitim

bagging eğitimi

Bagging: Tahmin

bagging tahmin

Bagging: Sınıflandırma ve Regresyon

Sınıflandırma:

Tahminleri çoğunluk oyu ile birleştirir.
scikit-learn'de BaggingClassifier.

Regresyon:

Tahminleri ortalayarak birleştirir.
scikit-learn'de BaggingRegressor.

sklearn'de Bagging Classifier (Meme Kanseri veri seti)

# Import models and utility functions
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'
bc = BaggingClassifier(base_estimator=dt, n_estimators=300, n_jobs=-1)

# Fit 'bc' to the training set
bc.fit(X_train, y_train)
# Predict test set labels
y_pred = bc.predict(X_test)

# Evaluate and print test-set accuracy
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy of Bagging Classifier: {:.3f}'.format(accuracy))

Accuracy of Bagging Classifier: 0.936

Hadi pratik yapalım!

Python ile Ağaç Tabanlı Modellerle Machine Learning