Crea il tuo primo ensemble

È il momento di costruire il tuo primo modello ensemble! Il dataset dei Pokémon dell'esercizio precedente è già stato caricato e suddiviso in train e test.

Il tuo compito è sfruttare la tecnica del voting ensemble usando le API di sklearn. Sta a te istanziare i singoli modelli e passarli come parametri per costruire il tuo primo voting classifier.

Questo esercizio fa parte del corso

Metodi Ensemble in Python

Visualizza il corso

Istruzioni dell'esercizio

Istanzia un KNeighborsClassifier chiamato clf_knn con 5 vicini (specificato tramite n_neighbors).
Istanzia una LogisticRegression con class_weight = "balanced" chiamata clf_lr.
Istanzia un DecisionTreeClassifier chiamato clf_dt con min_samples_leaf = 3 e min_samples_split = 9.
Crea un VotingClassifier usando il parametro estimators per specificare il seguente elenco di tuple (str, estimator): 'knn', clf_knn, 'lr', clf_lr e 'dt', clf_dt.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Instantiate the individual models
clf_knn = ____
clf_lr = ____
clf_dt = ____(____, ____, random_state=500)

# Create and fit the voting classifier
clf_vote = ____(
    estimators=[('____', ____), ('____', ____), ('____', ____)]
)
clf_vote.fit(X_train, y_train)

Modifica ed esegui il codice