Мягкое и жёсткое голосование

Вы уже попрактиковались в построении двух типов ансамблей: голосования и усреднения (мягкого голосования). Какой из них лучше? Оптимальный подход — попробовать оба и сравнить их результаты. Давайте сделаем это на наборе данных по сериалу «Игра престолов».

Для вас уже созданы три отдельных классификатора:

DecisionTreeClassifier (clf_dt).
LogisticRegression (clf_lr).
KNeighborsClassifier (clf_knn).

Ваша задача — применить оба метода и определить, какой из них показывает лучший результат.

Это упражнение является частью курса

Ансамблевые методы в Python

Посмотреть курс

Инструкции к упражнению

Подготовьте список кортежей вида (строка, оценщик). Используйте 'dt' в качестве метки для clf_dt, 'lr' — для clf_lr и 'knn' — для clf_knn.
Постройте классификатор с голосованием и назовите его clf_vote.
Постройте классификатор с усреднением и назовите его clf_avg.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# List of (string, estimator) tuples
estimators = ____

# Build and fit a voting classifier
clf_vote = ____
clf_vote.fit(X_train, y_train)

# Build and fit an averaging classifier
clf_avg = ____
clf_avg.fit(X_train, y_train)

# Evaluate the performance of both models
acc_vote = accuracy_score(y_test, clf_vote.predict(X_test))
acc_avg = accuracy_score(y_test,  clf_avg.predict(X_test))
print('Voting: {:.2f}, Averaging: {:.2f}'.format(acc_vote, acc_avg))

Редактировать и запускать код