Récapitulatif : le garde forestier

Fait partie de la section Apprentissage supervisé du Journey Machine Learning de Coddy. Leçon 44 sur 58.

Défi

Moyen

Faites s’affronter les deux équipes d’arbres de ce chapitre. Un garde forestier veut savoir quels campings les ours visiteront et ce qui les attire ; le code de démarrage charge campsites.csv.

Effectuez une validation croisée d’une forêt de 100 arbres et d’un modèle de boosting avec les paramètres par défaut, cv=5 et random_state=0 pour les deux. Affichez la moyenne et l’écart-type de chacun.
Affichez le gagnant selon la moyenne, puis entraînez-le sur toutes les lignes.
Représentez ses importances sous forme de barres horizontales, de la plus petite à la plus grande, avec le titre What Brings Bears et l’étiquette d’axe des x Importance.

Un autre parc, cette fois à propos des ratons laveurs :

Forest: mean 0.780, std 0.086
Boosting: mean 0.787, std 0.075
Winner: boosting

Barres horizontales intitulées What Brings Raccoons, la plus petite en bas : chênes environ 0.06, visiteurs 0.16, poubelles 0.21, tables 0.24 et creek_m 0.33 en haut

Coddy décrit ensuite votre graphique.

Essayez vous-même

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import cross_val_score
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier

# 200 emplacements de camping : distance jusqu’à un ruisseau, casiers alimentaires à l’épreuve des ours (1 ou 0), poubelles,
# altitude, buissons à baies à proximité, nombre de campeurs par semaine et présence ou non d’un ours (1 ou 0)
sites = pd.read_csv("campsites.csv")
features = ["stream_m", "lockers", "bins", "altitude_m", "berries", "campers"]

# Écrivez votre code ci-dessous