안녕하세요.🏌️‍♂️🏌️‍♂️ 오늘은 이전 시간에 배운 Voting Classifier실습을 진행 하도록 하겠습니다. 👴🧓

Voting Classifier에는 Hard voting 과 Soft voting 두 개중 Soft Voting을 이용 할 예정입니다. VotingClassifier은 sklearn라이브러리에서 제공합니다.😎

Voting Classifier에 사용할 모델은 Random Forest, Xgboost, Light GBM 입니다.

✅ 복습 하러 가기

🧈 Random Forest

🍞 XGBoost

🥞 Light GBM

from sklearn.ensemble import VotingClassifier

VC = VotingClassifier(estimators=[('rf',RF),('xgb',XGB),('lgbm',LGBM)],voting = 'soft')

------------------------------------------------------------------------------------------------------------------------------

from lightgbm import LGBMClassifier

from xgboost import XGBClassifier

from sklearn.ensemble import VotingClassifier

from sklearn.ensemble import RandomForestClassifier

# 모델 정의

LGBM = LGBMClassifier()

XGB = XGBClassifier()

RF = RandomForestClassifier()

VC = VotingClassifier(estimators=[('rf',RF),('xgb',XGB),('lgbm',LGBM)],voting = 'soft')

# 모델 학습

# X 는 train에서 quality 를 제외한 모든 변수

# y 는 train의 qulity 변수

X = train_one.drop('quality',axis= 1)

y = train_one['quality']

# fit 메소드를 이용해 모델 학습

VC.fit(X,y)

# predict 메소드와 test_one 데이터를 이용해 품질 예측

pred = VC.predict(test_one)

------------------------------------------------------------------------------------------------------------------------------

[Colab 실습 링크]

↩️ 오늘의 파이썬 리스트

#데이콘_101 #AI #머신러닝 #딥러닝 #파이썬 #파이선  #데이터분석 #데이터사이언티스트 #코랩 #Python  #colab #kaggle #pandas #numpy #sckit-learn # read_csv #스케일링 #stratified kfold #교차검증 #LGBM