Voting Classifier
Тепер давайте поєднаємо три моделі машинного навчання в одну, щоб поліпшити нашу попередню модель Random Forest для виявлення шахрайства. Ви поєднаєте звичний Random Forest із Logistic Regression з попередньої вправи та простим Decision Tree. Скористайтеся скороченням get_model_results() щоб одразу побачити результат ансамблевої моделі.
Ця вправа є частиною курсу
Виявлення шахрайства в Python
Інструкції до вправи
- Імпортуйте пакет Voting Classifier.
- Визначте три моделі: використайте Logistic Regression з попереднього кроку, Random Forest з попередніх вправ і Decision Tree зі збалансованими вагами класів.
- Створіть ансамблеву модель, передавши три класифікатори з їхніми відповідними мітками.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import the package
from sklearn.ensemble import ____
# Define the three classifiers to use in the ensemble
clf1 = LogisticRegression(class_weight={0:1, 1:15}, random_state=5)
clf2 = ____(class_weight={0:1, 1:12}, criterion='gini', max_depth=8, max_features='log2',
min_samples_leaf=10, n_estimators=30, n_jobs=-1, random_state=5)
clf3 = DecisionTreeClassifier(random_state=5, class_weight="____")
# Combine the classifiers in the ensemble model
ensemble_model = ____(estimators=[('lr', ____), ('rf', ____), ('dt', ____)], voting='hard')
# Get the results
get_model_results(X_train, y_train, X_test, y_test, ensemble_model)