Twój pierwszy zespół modeli

Czas zbudować pierwszy model zespołowy! Zbiór danych o Pokémonach z poprzedniego ćwiczenia został wczytany i podzielony na zestawy treningowe i testowe.

Twoim zadaniem jest zastosowanie techniki głosowania przy użyciu API sklearn. Utwórz poszczególne modele i przekaż je jako parametry, aby zbudować swój pierwszy klasyfikator głosujący.

To ćwiczenie jest częścią kursu

Metody zespołowe w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz instancję KNeighborsClassifier o nazwie clf_knn z 5 sąsiadami (parametr n_neighbors).
Utwórz instancję LogisticRegression o nazwie clf_lr z parametrem class_weight ustawionym na "balanced".
Utwórz instancję DecisionTreeClassifier o nazwie clf_dt z parametrami min_samples_leaf = 3 i min_samples_split = 9.
Zbuduj VotingClassifier, używając parametru estimators, aby przekazać następującą listę krotek (str, estymator): 'knn', clf_knn, 'lr', clf_lr oraz 'dt', clf_dt.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Instantiate the individual models
clf_knn = ____
clf_lr = ____
clf_dt = ____(____, ____, random_state=500)

# Create and fit the voting classifier
clf_vote = ____(
    estimators=[('____', ____), ('____', ____), ('____', ____)]
)
clf_vote.fit(X_train, y_train)

Edytuj i uruchom kod