Sestav svůj první ensemble model

Čas postavit svůj první ensemble model! Dataset Pokémonů z předchozího cvičení je už načtený a rozdělený na trénovací a testovací sadu.

Tvým úkolem je využít techniku hlasovacího ensemblu pomocí sklearn API. Vytvoř jednotlivé modely a předej je jako parametry pro sestavení prvního hlasovacího klasifikátoru.

Toto cvičení je součástí kurzu

Ensemble Methods in Python

Zobrazit kurz

Pokyny k cvičení

Vytvoř instanci KNeighborsClassifier s názvem clf_knn s 5 sousedy (zadanými pomocí n_neighbors).
Vytvoř instanci LogisticRegression s názvem clf_lr s hodnotou "balanced" (zadanou pomocí class_weight).
Vytvoř instanci DecisionTreeClassifier s názvem clf_dt s parametry min_samples_leaf = 3 a min_samples_split = 9.
Sestav VotingClassifier pomocí parametru estimators, kde zadáš následující seznam dvojic (str, estimátor): 'knn', clf_knn, 'lr', clf_lr a 'dt', clf_dt.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Instantiate the individual models
clf_knn = ____
clf_lr = ____
clf_dt = ____(____, ____, random_state=500)

# Create and fit the voting classifier
clf_vote = ____(
    estimators=[('____', ____), ('____', ____), ('____', ____)]
)
clf_vote.fit(X_train, y_train)

Upravit a spustit kód