スタッキングでアプリの評価を予測する
この演習では、最初の Stacking アンサンブルの構築を始めます。使用するデータセットは、第1章で最初に使ったものです。目的は、各アプリの評価（1〜5）を予測することでした。使用する入力特徴量は、Reviews、Size、Installs、Type、Price、Content Rating です。
すでに「ステップ1：データセットの準備」は完了しています。apps として利用可能で、必要な特徴量のクリーニングと欠損値のゼロ埋めを行っています。
ここからは「ステップ2：第1層の推定器を構築する」に取り組みます。
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
- 次のパラメータで決定木分類器を構築して学習してください：
min_samples_leaf: 3およびmin_samples_split: 9。 - 次の設定で 5-近傍法分類器を構築して学習してください：
algorithm: 'ball_tree'（処理を高速化するため）。 - テストセットに対する正解率（accuracy score）で、各推定器の性能を評価してください。
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。
# Build and fit a Decision Tree classifier
clf_dt = ____(____, ____, random_state=500)
clf_dt.____
# Build and fit a 5-nearest neighbors classifier using the 'Ball-Tree' algorithm
clf_knn = ____
clf_knn.____
# Evaluate the performance using the accuracy score
print('Decision Tree: {:0.4f}'.format(accuracy_score(____)))
print('5-Nearest Neighbors: {:0.4f}'.format(accuracy_score(____)))