MulaiMulai sekarang secara gratis

Mengevaluasi ensemble Anda

Pada latihan sebelumnya, Anda membangun voting classifier pertama Anda. Sekarang mari kita evaluasi dan bandingkan dengan model-model individunya.

Model individu (clf_knn, clf_dt, dan clf_lr) serta voting classifier (clf_vote) sudah dimuat dan dilatih.

Ingat untuk menggunakan f1_score() guna mengevaluasi kinerja. Selain itu, Anda akan membuat classification report pada himpunan uji (X_test, y_test) menggunakan fungsi classification_report().

Akankah voting classifier Anda mengalahkan F1-score 58% dari decision tree?

Latihan ini adalah bagian dari kursus

Metode Ensemble di Python

Lihat Kursus

Petunjuk latihan

  • Gunakan voting classifier, clf_vote, untuk memprediksi label himpunan uji, X_test.
  • Hitung F1-Score dari voting classifier.
  • Hitung classification report dari voting classifier dengan memasukkan y_test dan pred_vote ke classification_report().

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Calculate the predictions using the voting classifier
pred_vote = ____

# Calculate the F1-Score of the voting classifier
score_vote = ____
print('F1-Score: {:.3f}'.format(score_vote))

# Calculate the classification report
report = ____
print(report)
Edit dan Jalankan Kode