Predicciones apiladas para las valoraciones de apps
Una vez construido el estimador de stacking, puedes ajustarlo al conjunto de entrenamiento. Después, estará listo para el paso 5: usar el ensemble apilado para predecir.
El clasificador de stacking está disponible como clf_stack.
Vamos a obtener las predicciones finales y ver si hay alguna mejora en el rendimiento gracias al stacking.
Este ejercicio forma parte del curso
Ensemble Methods in Python
Instrucciones del ejercicio
- Ajusta el clasificador de stacking al conjunto de entrenamiento.
- Calcula las predicciones finales del estimador de stacking sobre el conjunto de prueba.
- Evalúa el rendimiento en el conjunto de prueba usando la precisión (accuracy).
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Fit the stacking classifier to the training set
____
# Obtain the final predictions from the stacking classifier
pred_stack = ____
# Evaluate the new performance on the test set
print('Accuracy: {:0.4f}'.format(____))