ПочатиПочніть безкоштовно

Оцінювання вашого ансамблю

У попередній вправі ви збудували свій перший класифікатор голосування. Тепер оцінімо його та порівняймо з окремими моделями.

Окремі моделі (clf_knn, clf_dt і clf_lr) та класифікатор голосування (clf_vote) уже завантажено й натреновано.

Пам'ятайте, що для оцінювання продуктивності слід використовувати f1_score(). Крім того, ви створите classification report на тестовій вибірці (X_test, y_test) за допомогою функції classification_report().

Чи перевершить ваш класифікатор голосування 58% F1‑міру дерева рішень?

Ця вправа є частиною курсу

Ансамблеві методи в Python

Переглянути курс

Інструкції до вправи

  • Використайте класифікатор голосування clf_vote, щоб передбачити мітки тестової вибірки X_test.
  • Обчисліть F1‑міру для класифікатора голосування.
  • Отримайте classification report для класифікатора голосування, передавши y_test і pred_vote до classification_report().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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)
Редагувати та запускати код