आउट-ऑफ-बैग इवैल्युएशन

Python में Tree-Based Models के साथ Machine Learning

Elie Kawerk

Data Scientist

बैगिंग

एक ही मॉडल के लिए कुछ इंस्टेंस कई बार सैंपल हो सकते हैं,
कुछ इंस्टेंस बिल्कुल भी सैंपल नहीं होते.

आउट-ऑफ-बैग (OOB) इंस्टेंस

औसतन, हर मॉडल के लिए 63% ट्रेनिंग इंस्टेंस सैंपल होते हैं.
बचे हुए 37% OOB इंस्टेंस होते हैं.

OOB इवैल्युएशन

oob-evaluation

sklearn में OOB इवैल्युएशन (Breast Cancer डेटासेट)

# Import models and split utility function
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'; set oob_score = True 
bc = BaggingClassifier(base_estimator=dt, n_estimators=300,
                       oob_score=True, n_jobs=-1)


# Fit 'bc' to the training set
bc.fit(X_train, y_train)

# Predict the test set labels
y_pred = bc.predict(X_test)

# Evaluate test set accuracy
test_accuracy = accuracy_score(y_test, y_pred)

# Extract the OOB accuracy from 'bc'
oob_accuracy = bc.oob_score_

# Print test set accuracy
print('Test set accuracy: {:.3f}'.format(test_accuracy))

Test set accuracy: 0.936

# Print OOB accuracy
print('OOB accuracy: {:.3f}'.format(oob_accuracy))

OOB accuracy: 0.925

अभ्यास करते हैं!

Python में Tree-Based Models के साथ Machine Learning