评估您的集成模型
在上一个练习中，您构建了第一个投票分类器。现在我们来评估它，并与各个单模型进行比较。
各个模型（clf_knn、clf_dt 和 clf_lr）以及投票分类器（clf_vote）都已加载并完成训练。
请记得使用 f1_score() 来评估性能。此外，您还将使用 classification_report() 函数，在测试集（X_test、y_test）上生成一个分类报告。
您的投票分类器能超过决策树 58% 的 F1 分数吗？
本练习是课程的一部分
Python 中的集成方法
练习说明
- 使用投票分类器
clf_vote对测试集X_test进行标签预测。 - 计算该投票分类器的 F1 分数。
- 调用
classification_report()，传入y_test和pred_vote，计算该投票分类器的分类报告。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)