Utvärdera ditt ensemble
I den föregående övningen byggde du din första röstningsklassificerare. Nu ska vi utvärdera den och jämföra den med de enskilda modellerna.
De enskilda modellerna (clf_knn, clf_dt och clf_lr) och röstningsklassificeraren (clf_vote) har redan laddats in och tränats.
Kom ihåg att använda f1_score() för att utvärdera prestandan. Du kommer också att skapa en klassificeringsrapport på testmängden (X_test, y_test) med funktionen classification_report().
Kommer din röstningsklassificerare att slå beslutsträdet med ett F1-värde på 58 %?
Den här övningen är en del av kursen
Ensemblemetoder i Python
Övningsinstruktioner
- Använd röstningsklassificeraren
clf_voteför att förutsäga etiketterna i testmängdenX_test. - Beräkna F1-värdet för röstningsklassificeraren.
- Beräkna klassificeringsrapporten för röstningsklassificeraren genom att skicka in
y_testochpred_votetillclassification_report().
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)