1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶアンサンブル手法
Connected

演習

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？

指示

100 XP
  • 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。