Evaluar tu ensamblado
En el ejercicio anterior, creaste tu primer clasificador por votación. Ahora vamos a evaluarlo y a compararlo con los modelos individuales.
Los modelos individuales (clf_knn, clf_dt y clf_lr) y el clasificador por votación (clf_vote) ya están cargados y entrenados.
Recuerda usar f1_score() para evaluar el rendimiento. Además, crearás un informe de clasificación sobre el conjunto de prueba (X_test, y_test) usando la función classification_report().
¿Superará tu clasificador por votación el 58% de F1-score del árbol de decisión?
Este ejercicio forma parte del curso
Ensemble Methods in Python
Instrucciones del ejercicio
- Usa el clasificador por votación,
clf_vote, para predecir las etiquetas del conjunto de prueba,X_test. - Calcula el F1-score del clasificador por votación.
- Calcula el informe de clasificación del clasificador por votación pasando
y_testypred_voteaclassification_report().
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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)