Prédictions empilées pour les cotes d'applications
Une fois l'estimateur d'empilement construit, vous pouvez l'ajuster à l'ensemble d'entraînement. Il sera alors prêt pour l'étape 5 : utiliser l'ensemble empilé pour faire des prédictions.
Le classificateur d'empilement est disponible sous le nom clf_stack.
Obtenons les prédictions finales et voyons si l'empilement améliore la performance.
Cette activité fait partie du cours
Méthodes d'ensemble en Python
Instructions de l’exercice
- Ajustez le classificateur d'empilement sur l'ensemble d'entraînement.
- Calculez les prédictions finales de l'estimateur d'empilement sur l'ensemble de test.
- Évaluez la performance sur l'ensemble de test à l'aide de la justesse (accuracy).
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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(____))