시작하기무료로 시작하기

Soft vs. hard voting

지금까지 두 가지 앙상블 방법, Voting과 Averaging(soft voting)을 연습했어요. 어느 쪽이 더 좋을까요? 둘 다 시도해 보고 성능을 비교하는 것이 가장 좋습니다. 이제 Game of Thrones 데이터셋으로 직접 해 보겠습니다.

세 가지 개별 분류기가 이미 준비되어 있습니다:

  • DecisionTreeClassifier(clf_dt).
  • LogisticRegression(clf_lr).
  • KNeighborsClassifier(clf_knn).

여러분의 과제는 voting과 averaging을 모두 시도해 어느 쪽이 더 나은지 판단하는 것입니다.

이 연습은 강의의 일부입니다

Python에서의 앙상블 기법

강의 보기

연습 안내

  • (string, estimator) 튜플의 리스트를 준비하세요. clf_dt에는 라벨로 'dt', clf_lr에는 'lr', clf_knn에는 'knn'을 사용하세요.
  • clf_vote라는 이름의 voting 분류기를 구성하세요.
  • clf_avg라는 이름의 averaging 분류기를 구성하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# List of (string, estimator) tuples
estimators = ____

# Build and fit a voting classifier
clf_vote = ____
clf_vote.fit(X_train, y_train)

# Build and fit an averaging classifier
clf_avg = ____
clf_avg.fit(X_train, y_train)

# Evaluate the performance of both models
acc_vote = accuracy_score(y_test, clf_vote.predict(X_test))
acc_avg = accuracy_score(y_test,  clf_avg.predict(X_test))
print('Voting: {:.2f}, Averaging: {:.2f}'.format(acc_vote, acc_avg))
코드 편집 및 실행