शुरू करेंमुफ़्त में शुरू करें

Soft बनाम hard voting

आपने अब दो तरह की ensemble मेथड्स बनाना अभ्यास किया है: Voting और Averaging (soft voting). इनमें से कौन बेहतर है? सबसे अच्छा तरीका है कि दोनों आज़माएँ और फिर उनके प्रदर्शन की तुलना करें. आइए इसे अभी Game of Thrones डेटासेट पर करके देखते हैं.

तीन individual क्लासिफायर आपके लिए instantiate किए गए हैं:

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

आपका काम है voting और averaging दोनों को आज़माना ताकि पता चले कि कौन बेहतर है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Ensemble Methods

पाठ्यक्रम देखें

अभ्यास निर्देश

  • (string, estimator) ट्यूपल्स की list तैयार करें. clf_dt के लिए लेबल 'dt', clf_lr के लिए 'lr', और clf_knn के लिए 'knn' रखें.
  • clf_vote नाम का एक voting क्लासिफायर बनाइए.
  • clf_avg नाम का एक averaging क्लासिफायर बनाइए.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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))
कोड संपादित करें और चलाएँ