Previsões empilhadas para as avaliações de apps
Depois que o estimador de stacking estiver pronto, você pode ajustá-lo ao conjunto de treino. Em seguida, ele estará pronto para o passo 5: usar o ensemble empilhado para fazer previsões.
O classificador de stacking está disponível como clf_stack.
Vamos obter as previsões finais e ver se há alguma melhoria de desempenho graças ao stacking.
Este exercício faz parte do curso
Métodos de Ensemble em Python
Instruções do exercício
- Ajuste o classificador de stacking no conjunto de treino.
- Calcule as previsões finais do estimador de stacking no conjunto de teste.
- Avalie o desempenho no conjunto de teste usando a acurácia.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Fit the stacking classifier to the training set
____
# Obtain the final predictions from the stacking classifier
pred_stack = ____
# Evaluate the new performance on the test set
print('Accuracy: {:0.4f}'.format(____))