Zacznij terazZacznij za darmo

Lepsza wydajność dzięki klasyfikatorowi głosującemu

Na koniec ocenisz wydajność klasyfikatora głosującego, który pobiera wyniki modeli zdefiniowanych na liście classifiers i przypisuje etykiety na podstawie głosowania większościowego.

W twoim środowisku dostępne są: X_train, X_test, y_train, y_test, lista classifiers zdefiniowana w poprzednim ćwiczeniu oraz funkcja accuracy_score z sklearn.metrics.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z modelami drzewiastymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj VotingClassifier z sklearn.ensemble.
  • Utwórz instancję VotingClassifier, ustawiając parametr estimators na classifiers, i przypisz ją do vc.
  • Dopasuj vc do zbioru treningowego.
  • Oceń dokładność vc na zbiorze testowym, korzystając z przewidywań y_pred.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import VotingClassifier from sklearn.ensemble
____

# Instantiate a VotingClassifier vc
vc = ____(estimators=____)     

# Fit vc to the training set
____.____(____, ____)   

# Evaluate the test set predictions
y_pred = vc.predict(X_test)

# Calculate accuracy score
accuracy = ____(____, ____)
print('Voting Classifier: {:.3f}'.format(accuracy))
Edytuj i uruchom kod