LoslegenKostenlos starten

Bessere Leistung mit einem Voting Classifier

Zum Schluss bewertest du die Leistung eines Voting Classifiers, der die Ausgaben der in der Liste classifiers definierten Modelle nutzt und Labels per Mehrheitsentscheid vergibt.

X_train, X_test, y_train, y_test, die in einer vorherigen Übung definierte Liste classifiers sowie die Funktion accuracy_score aus sklearn.metrics stehen dir in deinem Workspace zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen mit baumbasierten Modellen in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere VotingClassifier aus sklearn.ensemble.
  • Instanziiere einen VotingClassifier, setze den Parameter estimators auf classifiers und weise ihn vc zu.
  • Fitte vc auf den Trainingssatz.
  • Werte die Testgenauigkeit von vc mithilfe der Testvorhersagen y_pred aus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import VotingClassifier from sklearn.ensemble
____

# Instantiate a VotingClassifier vc
vc = ____(estimators=____)     

# Fit vc to the training set
____.____(____, ____)   

# Evaluate the test set predictions
y_pred = vc.predict(X_test)

# Calculate accuracy score
accuracy = ____(____, ____)
print('Voting Classifier: {:.3f}'.format(accuracy))
Code bearbeiten und ausführen