Bagging

Machine Learning cu modele bazate pe arbori în Python

Elie Kawerk

Data Scientist

Metode de ansamblu

Clasificator prin vot

același set de antrenament,
$\neq$ algoritmi.

Bagging

un singur algoritm,
$\neq$ subseturi ale setului de antrenament.

Bagging

Bagging: Bootstrap Aggregation.
Utilizează tehnica bootstrap.
Reduce varianța modelelor individuale din ansamblu.

Bootstrap

bootstrap

Bagging: Antrenament

train-bagg

Bagging: Predicție

predict-bagg

Bagging: Clasificare și Regresie

Clasificare:

Agregă predicțiile prin vot majoritar.
BaggingClassifier în scikit-learn.

Regresie:

Agregă predicțiile prin medie.
BaggingRegressor în scikit-learn.

BaggingClassifier în sklearn (setul de date Breast-Cancer)

# 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

Să exersăm!

Machine Learning cu modele bazate pe arbori în Python