ПочатиПочніть безкоштовно

М'яке проти жорсткого голосування

Ви вже попрактикувалися будувати два типи ансамблевих методів: Voting і Averaging (м'яке голосування). Який із них кращий? Найкраще спробувати обидва та порівняти їхню якість. Зробімо це на наборі даних Game of Thrones.

Для вас уже створено три окремі класифікатори:

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

Ваше завдання — спробувати і голосування, і усереднення, щоб визначити, що працює краще.

Ця вправа є частиною курсу

Ансамблеві методи в Python

Переглянути курс

Інструкції до вправи

  • Підготуйте список кортежів (string, estimator). Використайте мітку 'dt' для clf_dt, 'lr' для clf_lr і 'knn' для clf_knn.
  • Побудуйте класифікатор голосування під назвою clf_vote.
  • Побудуйте класифікатор усереднення під назвою clf_avg.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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))
Редагувати та запускати код