はじめてのアンサンブルを組み立てる

最初のアンサンブルモデルを作成しましょう。前の演習で扱った Pokémon データセットは、すでに学習用とテスト用に分割されています。

ここでは、sklearn の API を使って voting アンサンブル手法を活用します。個々のモデルをインスタンス化し、パラメータとして渡して、はじめてのvoting classifierを構築してください。

この演習はコースの一部です

Pythonで学ぶアンサンブル手法

コースを見る

演習の手順

近傍数を 5（n_neighbors で指定）として、KNeighborsClassifier を clf_knn という名前でインスタンス化します。
"balanced" の class_weight を指定して、LogisticRegression を clf_lr という名前でインスタンス化します。
DecisionTreeClassifier を clf_dt という名前で、min_samples_leaf = 3 と min_samples_split = 9 を指定してインスタンス化します。
VotingClassifier を作成し、パラメータ estimators に、以下の（文字列, 推定器）タプルのリストを指定します：'knn', clf_knn, 'lr', clf_lr, 'dt', clf_dt。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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)

コードを編集して実行