Prédictions empilées pour les notes d’apps
Une fois l’estimateur de stacking construit, vous pouvez l’ajuster sur l’ensemble d’entraînement. Il sera alors prêt pour étape 5 : utiliser l’ensemble empilé pour les prédictions.
Le classificateur de stacking est disponible sous le nom clf_stack.
Obtenons les prédictions finales et voyons si les performances s’améliorent grâce au stacking.
Cet exercice fait partie du cours
Méthodes d’ensemble en Python
Instructions
- Ajustez le classificateur de stacking sur l’ensemble d’entraînement.
- Calculez les prédictions finales de l’estimateur de stacking sur l’ensemble de test.
- Évaluez la performance sur l’ensemble de test à l’aide de l’accuracy (accuracy score).
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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(____))