Staplade förutsägelser för appbetyg
När stacking-estimatorn är byggd kan du träna den på träningsdata. Därefter är den redo för steg 5: använd det staplade ensemblet för förutsägelser.
Stacking-klassificeraren finns tillgänglig som clf_stack.
Ta fram de slutliga förutsägelserna och se om stacking ger någon förbättring i prestanda.
Den här övningen är en del av kursen
Ensemblemetoder i Python
Övningsinstruktioner
- Träna stacking-klassificeraren på träningsdata.
- Beräkna de slutliga förutsägelserna från stacking-estimatorn på testdata.
- Utvärdera prestandan på testdata med hjälp av accuracy score.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(____))