Para este método de ensamble, jugue un poco con los estimators:
X_train, X_test, y_train, y_test = train_test_split(X,y, test_size=0.35)
estimators = range(10, 200, 10)
total_accuracy = []
for i in estimators:
boost = GradientBoostingClassifier(n_estimators=i).fit(X_train, y_train)
boost_pred = boost.predict(X_test)
total_accuracy.append(accuracy_score(y_test, boost_pred))
plt.plot(estimators, total_accuracy)
plt.xlabel('Estimators')
plt.ylabel('Accuracy')
plt.show()
plt.savefig('Boost.png')
print(np.array(total_accuracy).max())
Accuracy = 0.9749303621169917
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?