アンサンブルを評価する
前の演習では、はじめての投票分類器を作成しました。ここでは、その性能を評価し、個々のモデルと比較してみましょう。
個々のモデル（clf_knn、clf_dt、clf_lr）と投票分類器（clf_vote）は、すでに読み込みと学習が完了しています。
評価には f1_score() を使うことを思い出してください。加えて、classification_report() 関数を使ってテストデータ（X_test、y_test）の classification report を作成します。
あなたの投票分類器は、決定木の F1-Score 58% を上回れるでしょうか？
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
演習の手順
- 投票分類器
clf_voteを使って、テストデータX_testのラベルを予測します。 - 投票分類器の F1-Score を計算します。
classification_report()にy_testとpred_voteを渡して、投票分類器の classification report を計算します。
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。
# 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)