組み込み開発のためのPython · レッスン 142 / 220
バギングで複数モデルを組み合わせる
バギングは標本を変えて複数のモデルを学習し、予測を集約します。計算量と説明可能性も比較し、単一モデルより有効か検証します。
バギングは標本を変えて複数のモデルを学習し、予測を集約します。計算量と説明可能性も比較し、単一モデルより有効か検証します。 仕組みだけでなく、検証方法と運用上の注意も具体例で確認します。
基本の考え方
バギングは標本を変えて複数のモデルを学習し、予測を集約します。計算量と説明可能性も比較し、単一モデルより有効か検証します。
安全に試すための確認
例は学習用データを使うもので、品質を保証する予測器ではありません。実データの欠損、単位、偏り、データ漏えいを確認し、テスト用データを学習中に参照しないでください。
コード例
手元のPython環境に貼り付ける前に、使用しているPythonの版と対象ライブラリの対応を確認してください。
from sklearn.ensemble import BaggingClassifier
from sklearn.tree import DecisionTreeClassifier
model = BaggingClassifier(estimator=DecisionTreeClassifier(max_depth=2), n_estimators=10, random_state=0)
model.fit([[0], [1], [2], [3]], [0, 0, 1, 1])
print(model.predict([[1.5]]))手を動かす課題
木一つとバギングの検証結果を同じ分割で比べ、結果の再現性も確かめてください。