Ocena twojego zespołu modeli
W poprzednim ćwiczeniu zbudowano pierwszy klasyfikator głosujący. Czas go ocenić i porównać z wynikami poszczególnych modeli.
Indywidualne modele (clf_knn, clf_dt i clf_lr) oraz klasyfikator głosujący (clf_vote) zostały już wczytane i wytrenowane.
Do oceny wydajności użyj funkcji f1_score(). Poza tym stworzysz raport klasyfikacji na zbiorze testowym (X_test, y_test), korzystając z funkcji classification_report().
Czy twój klasyfikator głosujący pokona wynik F1 drzewa decyzyjnego na poziomie 58%?
To ćwiczenie jest częścią kursu
Metody zespołowe w Pythonie
Instrukcje do ćwiczenia
- Użyj klasyfikatora głosującego
clf_vote, aby przewidzieć etykiety zbioru testowegoX_test. - Oblicz wynik F1 klasyfikatora głosującego.
- Oblicz raport klasyfikacji klasyfikatora głosującego, przekazując
y_testipred_votedo funkcjiclassification_report().
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)