下記の設問に対する答えとして相応しものを選択肢から選び、次のコードの空欄（##########）を埋めてください．
ロジスティック回帰、決定木、SVM をそれぞれ分類器として用いてハード投票によるアンサブル学習を実行してください．
from sklearn.model_selection import train_test_split
from sklearn.datasets import make_moons
X, y = make_moons(n_samples=500, noise=0.30, random_state=42)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)
#Q1：DecisionTreeClassifierクラスをインポートしてください．
from ########## import DecisionTreeClassifier
#Q2：VotingClassifier クラスをインポートしてください．
from ########## import VotingClassifier
#Q3：LogisticRegresson クラスをインポートしてください．
from ########## import LogisticRegression
#Q4：SVC クラスをインポートしてください．
from ########## import SVC
from sklearn.metrics import accuracy_score
[Q1–4 選択肢]
1. sklearn.linear_model
2. sklearn.svm
3. sklearn.ensemble
4. sklearn.tree
log_c = LogisticRegression(solver=”liblinear”, random_state=42)
tree_c = DecisionTreeClassifier(max_depth=3, random_state=42)
svm_c = SVC(gamma=”auto”, random_state=42)
# Q5：VotingClassifier() クラスを用いてソフト投票による投票分類器を訓練してください．( 1 行 )
voting_c = ##########
voting_c.fit(X_train, y_train)
for c in (log_c, rnd_c, svm_c, voting_c):
c.fit(X_train, y_train)
y_pred = c.predict(X_test)
print(c.__class__.__name__, accuracy_score(y_test, y_pred))
[Q5 の選択肢]
1.
VotingClassifier(
estimators=[(‘tree’, tree_c), (‘lr’, log_c), (‘svc’, svm_c)],
voting=’soft’)
2.
VotingClassifier(
estimators=[(‘treee’, tree_c), (‘lr’, log_c), (‘svc’, “soft”)],
voting=True)
3.
VotingClassifier(
estimators=[(‘treee’, log_c), (‘lr’, rnd_c), (‘svc’, svm_c)],
voting=’hard’)