Gestapelde voorspellingen voor app-beoordelingen
Zodra de stacking-estimator is gebouwd, kun je hem fitten op de trainingset. Daarna is hij klaar voor stap 5: gebruik het gestapelde ensemble voor voorspellingen.
De stacking-classifier is beschikbaar als clf_stack.
Laten we de uiteindelijke voorspellingen ophalen en kijken of de performance dankzij stacking is verbeterd.
Deze oefening maakt deel uit van de cursus
Ensemblemethoden in Python
Oefeninstructies
- Fit de stacking-classifier op de trainingset.
- Bereken de uiteindelijke voorspellingen van de stacking-estimator op de testset.
- Evalueer de performance op de testset met de accuracy score.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Fit the stacking classifier to the training set
____
# Obtain the final predictions from the stacking classifier
pred_stack = ____
# Evaluate the new performance on the test set
print('Accuracy: {:0.4f}'.format(____))