Predizioni con stacking per i punteggi delle app
Una volta costruito lo stimatore stacking, puoi adattarlo al training set. Poi sarà pronto per il passo 5: usare l'ensemble stacked per le predizioni.
Il classificatore stacking è disponibile come clf_stack.
Otteniamo le predizioni finali e vediamo se c’è un miglioramento nelle prestazioni grazie allo stacking.
Questo esercizio fa parte del corso
Metodi Ensemble in Python
Istruzioni dell'esercizio
- Adatta (fit) il classificatore stacking sul training set.
- Calcola le predizioni finali dello stimatore stacking sul test set.
- Valuta le prestazioni sul test set usando l'accuracy score.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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(____))