软投票 vs. 硬投票
您已经练习了两种集成方法：Voting 和 Averaging（软投票）。哪一种更好？最好的做法是两种都试试，然后比较它们的表现。现在就用《权力的游戏》数据集来尝试一下。
已经为您实例化了三个单独的分类器：
DecisionTreeClassifier（clf_dt）。LogisticRegression（clf_lr）。KNeighborsClassifier（clf_knn）。
您的任务是分别尝试投票和平均两种方法，以确定哪种更好。
本练习是课程的一部分
Python 中的集成方法
练习说明
- 准备
(string, estimator)元组列表。将clf_dt的标签设为'dt'，clf_lr为'lr'，clf_knn为'knn'。 - 构建名为
clf_vote的投票分类器。 - 构建名为
clf_avg的平均（软投票）分类器。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))