Siła „słabych" modeli

Metody zespołowe w Pythonie

Román de las Heras

Data Scientist, Appodeal

„Słaby" model

Głosowanie i uśrednianie:

  • Mała liczba estymatorów
  • Estymatory dokładnie dostrojone
  • Trenowane niezależnie

Nowe pojęcie: „słaby" estymator

Metody zespołowe w Pythonie

Model dostrojony a słaby

Metody zespołowe w Pythonie

Właściwości „słabych" modeli

Słaby estymator

  • Skuteczność lepsza niż losowe zgadywanie
  • Lekki model
  • Krótki czas trenowania i ewaluacji

Przykład: Drzewo decyzyjne

Słabe drzewo decyzyjne

Metody zespołowe w Pythonie

Przykłady „słabych" modeli

Przykłady „słabych" modeli:

  • Drzewo decyzyjne: mała głębokość

  • Regresja logistyczna

  • Regresja liniowa

  • Inne ograniczone modele

Przykładowy kod:

model = DecisionTreeClassifier(
    max_depth=3
)

model = LogisticRegression( max_iter=50, C=100.0 )
model = LinearRegression()
Metody zespołowe w Pythonie

Czas na ćwiczenia!

Metody zespołowe w Pythonie

Preparing Video For Download...