Głosowanie twarde vs. miękkie

Przećwiczyłeś już budowanie dwóch typów metod zespołowych: głosowania (Voting) i uśredniania (Averaging, czyli głosowania miękkiego). Która z nich jest lepsza? Najlepiej sprawdzić obie i porównać ich wyniki. Zrób to teraz na zbiorze danych z Gry o tron.

Trzy indywidualne klasyfikatory zostały już dla ciebie zainicjalizowane:

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

Twoim zadaniem jest porównanie obu podejść – głosowania i uśredniania – aby ustalić, które daje lepsze rezultaty.

To ćwiczenie jest częścią kursu

Metody zespołowe w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Przygotuj listę krotek (string, estymator). Użyj 'dt' jako etykiety dla clf_dt, 'lr' dla clf_lr i 'knn' dla clf_knn.
Zbuduj klasyfikator głosujący o nazwie clf_vote.
Zbuduj klasyfikator uśredniający o nazwie clf_avg.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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))

Edytuj i uruchom kod