Uśrednianie

Metody zespołowe w Pythonie

Román de las Heras

Data Scientist, Appodeal

Liczenie żelków

Jak uzyskać dobrą szacunkową wartość?

Zgadywanie (losowa liczba)
Przybliżenie objętości
Wiele innych podejść

Wartość rzeczywista ~ mean(szacunki)

Uśrednianie (miękkie głosowanie)

Właściwości

Problemy klasyfikacji i regresji
Miękkie głosowanie: średnia
- Regresja: średnia przewidywanych wartości
- Klasyfikacja: średnia przewidywanych prawdopodobieństw
Wymagane co najmniej 2 estymatory

Uśrednianie z użyciem scikit-learn

Klasyfikator uśredniający

from sklearn.ensemble import VotingClassifier

clf_voting = VotingClassifier(

    estimators=[
       ('label1', clf_1), 
       ('label2', clf_2),
       ...
       ('labelN', clf_N)],

    voting='soft',

    weights=[w_1, w_2, ..., w_N]
)

Regresor uśredniający

from sklearn.ensemble import VotingRegressor

reg_voting = VotingRegressor(

    estimators=[
       ('label1', reg_1), 
       ('label2', reg_2),
       ...
       ('labelN', reg_N)],

    weights=[w_1, w_2, ..., w_N]
)

Przykład w scikit-learn

# Instantiate the individual models
clf_knn = KNeighborsClassifier(5)
clf_dt = DecisionTreeClassifier()
clf_lr = LogisticRegression()

# Create an averaging classifier
clf_voting = VotingClassifier(
    estimators=[
       ('knn', clf_knn), 
       ('dt', clf_dt), 
       ('lr', clf_lr)],
    voting='soft',
    weights=[1, 2, 1]
)

Śmierci w Grze o tron

Cel:

Przewidywanie, czy postać żyje

Cechy:

Wiek
Płeć
Książki, w których wystąpiła
Popularność
Czy krewni żyją

Czas na ćwiczenia!

Metody zespołowe w Pythonie