Dans le cours : Python : L'analyse prédictive

Accédez à ce cours grâce à un essai gratuit

Inscrivez-vous aujourd’hui pour accéder à plus de 24 600 cours dispensés par des experts.

Découvrir les méthodes de boosting

Découvrir les méthodes de boosting - Tutoriel Python

Dans le cours : Python : L'analyse prédictive

Démarrer mon mois d’essai gratuit Acheter pour mon équipe

Découvrir les méthodes de boosting

“

Regardons maintenant comment nous pouvons utiliser les méthodes de boosting. Nous sommes toujours sur un cas de régression, pour lequel nous souhaitons prédire la qualité de notre vin. Je fais toujours la même préparation en amont, c'est-à-dire que je supprime les valeurs manquantes avec la fonction dropna, je sépare les variables explicatives de la variable à prédire, et je fais également la séparation entre mon jeu d'entraînement et mon jeu de test. Ici, nous allons tester trois différentes méthodes de boosting. Nous allons utiliser les trois algorithmes les plus connus, à savoir AdaBoost ( ), XGBoost ( ) et GradientBoosting ( ). Voyons dans un premier temps comment utiliser AdaBoost Regressor. AdaBoostRegressor s'utilise de la même manière que les algorithmes précédents que nous avons testés dans le cadre d'une régression. AdaBoostRegressor est une fonction de la classe Ensemble de notre package sklearn. A minima, je vais spécifier le n_estimator, qui, un peu comme le RandomForest…

Table des matières