Einführung
In diesem Lab werden wir untersuchen, wie Boosting die Vorhersagegenauigkeit bei einem Mehrklassenproblem verbessern kann. Wir werden einen Datensatz verwenden, der durch die Verwendung einer zehn-dimensionalen Standardnormalverteilung konstruiert wurde, und drei Klassen definieren, die durch geschachtelte konzentrische zehn-dimensionale Sphären voneinander getrennt sind, sodass in jeder Klasse ungefähr die gleichen Anzahl von Proben vorhanden ist.
Wir werden die Leistung der SAMME- und SAMME.R-Algorithmen vergleichen. SAMME.R verwendet die Wahrscheinlichkeitsschätzungen, um das additive Modell zu aktualisieren, während SAMME nur die Klassifizierungen verwendet.
Tipps für die VM
Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu öffnen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der Einschränkungen in Jupyter Notebook nicht automatisiert werden.
Wenn Sie während des Lernens Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.