안녕하세요.👩‍🔧👨‍🔧 지난시간에는 모델의 파라미터를 튜닝하고, 튜닝 된 모델을 Voting Claasifier로 정의 했습니다.

이번시간에는 Voting Classifier을 이용해 train 데이터를 학습하고 test 데이터 셋을 예측 해보겠습니다.

그럼 바로 실습을 진행해보도록 하겠습니다. 🕵️‍♂️

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

# 모델 정의 (튜닝된 파라미터로)

LGBM = LGBMClassifier(max_depth = 2,n_estimators=60, subsample = 0.8229)

XGB = XGBClassifier(gamma =  4.376, max_depth = 3, subsample = 0.9818)

RF = RandomForestClassifier(max_depth = 3, n_estimators = 35)

# VotingClassifier 정의

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

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)

# sample_submission.csv 파일을 불러와 예측된 값으로 채워 주기

submission = pd.read_csv('data/sample_submission.csv')

submission['quality'] = pred

submission.head()

submission.to_csv('tune_voting.csv',index=False)

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

[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 #Bayesian #Optimization #bayesianoptimization #베이지안옵최적화