Valutare il tuo ensemble
Nell'esercizio precedente hai costruito il tuo primo voting classifier. Ora valutiamolo e confrontiamolo con i singoli modelli.
I singoli modelli (clf_knn, clf_dt e clf_lr) e il voting classifier (clf_vote) sono già stati caricati e addestrati.
Ricorda di usare f1_score() per valutare le prestazioni. Inoltre, creerai un classification report sul test set (X_test, y_test) usando la funzione classification_report().
Il tuo voting classifier riuscirà a superare il 58% di F1-score dell'albero decisionale?
Questo esercizio fa parte del corso
Metodi Ensemble in Python
Istruzioni dell'esercizio
- Usa il voting classifier,
clf_vote, per predire le etichette del test set,X_test. - Calcola l'F1-score del voting classifier.
- Calcola il classification report del voting classifier passando
y_testepred_voteaclassification_report().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)