Votare

Metode de ansamblu în Python

Román de las Heras

Data Scientist, Appodeal

Întreabă publicul

Înțelepciunea mulțimii

Inteligență colectivă
Grup mare de indivizi >= Expert individual
Rezolvarea problemelor
Luarea deciziilor
Inovație
Predicție

Vot majoritar

Proprietăți

Probleme de clasificare
Vot majoritar: Modă
Număr impar de clasificatori (3+)

Predicție multi-modală

Caracteristicile mulțimii înțelepte:

Diversă: algoritmi sau seturi de date diferite
Independentă și necorelată
Utilizează cunoștințe individuale
Agregă predicțiile individuale

Ansamblu de votare cu scikit-learn

from sklearn.ensemble import VotingClassifier

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

Evaluarea performanței

# 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)

Să exersăm!

Metode de ansamblu în Python