Avaliando seu ensemble
No exercício anterior, você construiu seu primeiro classificador por votação. Agora, vamos avaliá-lo e compará-lo com os modelos individuais.
Os modelos individuais (clf_knn, clf_dt e clf_lr) e o classificador por votação (clf_vote) já foram carregados e treinados.
Lembre-se de usar f1_score() para avaliar o desempenho. Além disso, você vai criar um relatório de classificação no conjunto de teste (X_test, y_test) usando a função classification_report().
Será que seu classificador por votação supera o F1-score de 58% da árvore de decisão?
Este exercício faz parte do curso
Métodos de Ensemble em Python
Instruções do exercício
- Use o classificador por votação,
clf_vote, para prever os rótulos do conjunto de teste,X_test. - Calcule o F1-score do classificador por votação.
- Calcule o relatório de classificação do classificador por votação passando
y_testepred_voteparaclassification_report().
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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)