使用 Voting Classifier 获得更好的表现

最后，您将评估一个投票分类器的性能。它会接收列表 classifiers 中各个模型的输出，并通过多数投票来分配标签。

X_train、X_test、y_train、y_test、之前练习中定义的列表 classifiers，以及来自 sklearn.metrics 的函数 accuracy_score 已在您的工作区中可用。

本练习是课程的一部分

Python 树模型机器学习

查看课程

练习说明

从 sklearn.ensemble 导入 VotingClassifier。
实例化一个 VotingClassifier，将参数 estimators 设为 classifiers，并将其赋值给 vc。
将 vc 拟合到训练集。
使用测试集预测 y_pred 评估 vc 的测试集准确率。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Import VotingClassifier from sklearn.ensemble
____

# Instantiate a VotingClassifier vc
vc = ____(estimators=____)     

# Fit vc to the training set
____.____(____, ____)   

# Evaluate the test set predictions
y_pred = vc.predict(X_test)

# Calculate accuracy score
accuracy = ____(____, ____)
print('Voting Classifier: {:.3f}'.format(accuracy))

编辑并运行代码