Voto

Metodi Ensemble in Python

Román de las Heras

Data Scientist, Appodeal

Chiedi al pubblico

Saggezza della folla

Intelligenza collettiva
Grande gruppo >= singolo esperto
Problem solving
Decision making
Innovazione
Previsione

Majority voting

Proprietà

Problemi di classificazione
Majority voting: moda
Numero dispari di classificatori (3+)

Caratteristiche di una folla saggia:

Diversa: algoritmi o dataset differenti
Indipendente e non correlata
Usa conoscenze individuali
Aggrega le predizioni individuali

Ensemble di voting con scikit-learn

from sklearn.ensemble import VotingClassifier

clf_voting = VotingClassifier(
    estimators=[
       ('label1', clf_1), 
       ('label2', clf_2),
       ('labelN', clf_N)])

Valuta le prestazioni

# Get the accuracy score 
acc = accuracy_score(y_test, y_pred)
print("Accuracy: {:0.3f}".format(acc))

Accuracy: 0.938

# Create the individual models
clf_knn = KNeighborsClassifier(5)
clf_dt = DecisionTreeClassifier()
clf_lr = LogisticRegression()

# Create voting classifier
clf_voting = VotingClassifier(
    estimators=[
       ('knn', clf_knn), 
       ('dt', clf_dt), 
       ('lr', clf_lr)])

# Fit it to the training set and predict
clf_voting.fit(X_train, y_train)
y_pred = clf_voting.predict(X_test)

Proviamoci!

Metodi Ensemble in Python