Бегінг

Машинне навчання з деревоподібними моделями в Python

Elie Kawerk

Data Scientist

Ансамблеві методи

Класифікатор голосування

той самий тренувальний набір,
$\neq$ алгоритми.

Бегінг

один алгоритм,
$\neq$ підмножини тренувального набору.

Бегінг

Бегінг: Bootstrap Aggregation.
Використовує прийом під назвою bootstrap.
Зменшує дисперсію окремих моделей в ансамблі.

Bootstrap

bootstrap

Бегінг: тренування

train-bagg

Бегінг: прогнозування

predict-bagg

Бегінг: класифікація й регресія

Класифікація:

Агрегує передбачення більшістю голосів.
BaggingClassifier у scikit-learn.

Регресія:

Агрегує передбачення усередненням.
BaggingRegressor у scikit-learn.

Bagging Classifier у sklearn (набір 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

Давайте потренуємось!

Машинне навчання з деревоподібними моделями в Python