Votación soft vs. hard

Ya has practicado cómo construir dos tipos de métodos ensemble: Voting y Averaging (votación soft). ¿Cuál es mejor? Lo ideal es probar ambos y luego comparar su rendimiento. Vamos a hacerlo ahora con el conjunto de datos de Game of Thrones.

Tres clasificadores individuales ya están instanciados para ti:

Un DecisionTreeClassifier (clf_dt).
Un LogisticRegression (clf_lr).
Un KNeighborsClassifier (clf_knn).

Tu tarea es probar tanto voting como averaging para determinar cuál funciona mejor.

Este ejercicio forma parte del curso

Ensemble Methods in Python

Ver curso

Instrucciones del ejercicio

Prepara la lista de tuplas (string, estimator). Usa 'dt' como etiqueta para clf_dt, 'lr' para clf_lr y 'knn' para clf_knn.
Construye un clasificador de votación llamado clf_vote.
Construye un clasificador de promedio llamado clf_avg.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# List of (string, estimator) tuples
estimators = ____

# Build and fit a voting classifier
clf_vote = ____
clf_vote.fit(X_train, y_train)

# Build and fit an averaging classifier
clf_avg = ____
clf_avg.fit(X_train, y_train)

# Evaluate the performance of both models
acc_vote = accuracy_score(y_test, clf_vote.predict(X_test))
acc_avg = accuracy_score(y_test,  clf_avg.predict(X_test))
print('Voting: {:.2f}, Averaging: {:.2f}'.format(acc_vote, acc_avg))

Editar y ejecutar código