バギング

Pythonで学ぶ木ベースのMachine Learning

Elie Kawerk

Data Scientist

アンサンブル学習

【投票分類器】

同一の訓練データ、
異なるアルゴリズム。

【バギング】

同一アルゴリズム、
訓練データの異なるサブセット。

バギング

バギング＝ブートストラップ集約。
ブートストラップ手法を用いる。
アンサンブル内の各モデルの分散を低減。

ブートストラップ

バギング：学習

学習-バギング

バギング：予測

予測-バギング

バギング：分類と回帰

【分類】

予測を多数決で集約。
scikit-learn の BaggingClassifier。

【回帰】

予測を平均で集約。
scikit-learn の BaggingRegressor。

sklearn のバギング分類器（乳がんデータ）

# 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

演習に進みましょう！

Pythonで学ぶ木ベースのMachine Learning