Đánh giá ensemble của bạn
Trong bài trước, bạn đã xây dựng bộ phân loại voting đầu tiên. Giờ hãy đánh giá nó và so sánh với từng mô hình riêng lẻ.
Các mô hình riêng lẻ (clf_knn, clf_dt, và clf_lr) và bộ phân loại voting (clf_vote) đã được nạp và huấn luyện sẵn.
Hãy nhớ dùng f1_score() để đánh giá hiệu năng. Ngoài ra, bạn sẽ tạo một classification report trên tập kiểm tra (X_test, y_test) bằng hàm classification_report().
Bộ phân loại voting của bạn có vượt qua F1-score 58% của decision tree không?
Bài tập này là một phần của khóa học
Ensemble Methods in Python
Hướng dẫn bài tập
- Dùng bộ phân loại voting,
clf_vote, để dự đoán nhãn cho tập kiểm traX_test. - Tính F1-Score của bộ phân loại voting.
- Tính classification report của bộ phân loại voting bằng cách truyền
y_testvàpred_votevàoclassification_report().
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)