Vote souple vs. vote ferme

Vous avez maintenant pratiqué deux types de méthodes d'ensemble : Voting et Averaging (vote souple). Lequel est le meilleur? Le mieux est d'essayer les deux, puis de comparer leur performance. Mettons cela en pratique avec l'ensemble de données Game of Thrones.

Trois classifieurs individuels ont été instanciés pour vous :

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

Votre tâche est d'essayer le vote et la moyenne pour déterminer lequel donne de meilleurs résultats.

Cette activité fait partie du cours

Méthodes d'ensemble en Python

Voir le cours

Instructions de l’exercice

Préparez la liste de tuples (chaîne, estimateur). Utilisez 'dt' comme étiquette pour clf_dt, 'lr' pour clf_lr, et 'knn' pour clf_knn.
Créez un classifieur par vote appelé clf_vote.
Créez un classifieur par moyenne appelé clf_avg.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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))

Modifier et exécuter le code