Elegir el mejor modelo
En este ejercicio, vas a comparar distintos clasificadores y elegir el que mejor rendimiento tenga.
El conjunto de datos aquí —ya cargado y dividido en train y test— contiene Pokémon: sus estadísticas, tipos y si son legendarios o no. El objetivo de nuestros clasificadores es predecir la variable 'Legendary'.
Se han ajustado tres clasificadores individuales sobre el conjunto de entrenamiento:
clf_lres una regresión logística.clf_dtes un árbol de decisión.clf_knnes un clasificador de 5 vecinos más cercanos.
Como las clases están desbalanceadas —solo 65 de los 800 Pokémon del conjunto son legendarios— usaremos el F1-Score para evaluar el rendimiento. La función f1_score() de scikit-learn ya se ha importado por ti.
Este ejercicio forma parte del curso
Ensemble Methods in Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Predict the labels of the test set
pred_lr = ____
pred_dt = ____
pred_knn = ____