評估你的集成模型
在前一個練習中，你建立了第一個投票分類器。現在來評估它，並與各個單一模型做比較。
個別模型（clf_knn、clf_dt、clf_lr）以及投票分類器（clf_vote）都已載入並完成訓練。
請記得使用 f1_score() 來評估效能。此外，你也會使用 classification_report() 函式，針對測試集（X_test、y_test）產生一份分類報告（classification report）。
你的投票分類器能超越決策樹的 58% F1-score 嗎？
本練習屬於課程
Python 的 Ensemble 方法
練習說明
- 使用投票分類器
clf_vote預測測試集X_test的標籤。 - 計算該投票分類器的 F1-score。
- 將
y_test與pred_vote傳入classification_report()，計算該投票分類器的分類報告。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)