Голосування

Ансамблеві методи в Python

Román de las Heras

Data Scientist, Appodeal

Запитайте в аудиторії

Мудрість натовпу

Колективний інтелект
Велика група людей >= один експерт
Розв'язання задач
Прийняття рішень
Інновації
Прогнозування

Голосування більшістю

Властивості

Задачі класифікації
Більшість голосів: мода
Непарна кількість класифікаторів (3+)

багатомодальний-прогноз.png

Ознаки мудрого натовпу:

Різноманітність: різні алгоритми або набори даних
Незалежність і низька кореляція
Використання індивідуальних знань
Агрегація індивідуальних прогнозів

Ансамбль Voting у scikit-learn

from sklearn.ensemble import VotingClassifier

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

Оцініть ефективність

# 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)

Спробуймо!

Ансамблеві методи в Python