ComenzarEmpieza gratis

Mejor rendimiento con un clasificador de votación

Por último, evaluarás el rendimiento de un clasificador por votación que toma las salidas de los modelos definidos en la lista classifiers y asigna etiquetas por votación mayoritaria.

X_train, X_test,y_train, y_test, la lista classifiers definida en un ejercicio anterior, así como la función accuracy_score de sklearn.metrics están disponibles en tu espacio de trabajo.

Este ejercicio forma parte del curso

Machine learning con modelos basados en árboles en Python

Ver curso

Instrucciones del ejercicio

  • Importa VotingClassifier desde sklearn.ensemble.
  • Instancia un VotingClassifier ajustando el parámetro estimators a classifiers y asígnalo a vc.
  • Ajusta vc al conjunto de entrenamiento.
  • Evalúa la precisión del conjunto de pruebas de vc utilizando las predicciones del conjunto de pruebas y_pred.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# 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))
Editar y ejecutar código