Dein Ensemble bewerten

In der vorherigen Übung hast du deinen ersten Voting-Klassifikator gebaut. Lass ihn jetzt evaluieren und mit den einzelnen Modellen vergleichen.

Die einzelnen Modelle (clf_knn, clf_dt und clf_lr) sowie der Voting-Klassifikator (clf_vote) sind bereits geladen und trainiert.

Denk daran, f1_score() zur Bewertung der Leistung zu verwenden. Zusätzlich erstellst du mit der Funktion classification_report() einen Classification Report für den Testdatensatz (X_test, y_test).

Wird dein Voting-Klassifikator die 58 % F1-Score des Entscheidungsbaums schlagen?

Diese Übung ist Teil des Kurses

Ensemble-Methoden in Python

Kurs anzeigen

Anleitung zur Übung

Verwende den Voting-Klassifikator clf_vote, um die Labels des Testsets X_test vorherzusagen.
Berechne den F1-Score des Voting-Klassifikators.
Berechne den Classification Report des Voting-Klassifikators, indem du y_test und pred_vote an classification_report() übergibst.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Calculate the predictions using the voting classifier
pred_vote = ____

# Calculate the F1-Score of the voting classifier
score_vote = ____
print('F1-Score: {:.3f}'.format(score_vote))

# Calculate the classification report
report = ____
print(report)

Code bearbeiten und ausführen