시작하기무료로 시작하기

앙상블 성능 평가하기

이전 연습 문제에서 첫 번째 투표 기반 분류기를 만들어 보셨죠. 이제 이를 평가하고 개별 모델과 비교해 보겠습니다.

개별 모델(clf_knn, clf_dt, clf_lr)과 투표 분류기(clf_vote)는 이미 로드되어 학습을 마친 상태예요.

성능 평가는 f1_score()를 사용하세요. 추가로, classification_report() 함수를 이용해 테스트 세트(X_test, y_test)에 대한 classification report를 만들어 보겠습니다.

여러분의 투표 분류기가 의사결정나무의 58% F1-score를 능가할 수 있을까요?

이 연습은 강의의 일부입니다

Python에서의 앙상블 기법

강의 보기

연습 안내

  • 투표 분류기 clf_vote를 사용해 테스트 세트 X_test의 레이블을 예측하세요.
  • 투표 분류기의 F1-Score를 계산하세요.
  • classification_report()에 y_test와 pred_vote를 전달해 투표 분류기의 classification report를 계산하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)
코드 편집 및 실행