Entropie vs. Giniho index

V tomto cvičení porovnáš přesnost modelu dt_entropy na testovací sadě s přesností jiného stromu dt_gini. Strom dt_gini byl natrénován na stejném datasetu se stejnými parametry, až na informační kritérium, které bylo nastaveno na Giniho index pomocí klíčového slova 'gini'.

V pracovním prostředí máš k dispozici X_test, y_test, dt_entropy a také accuracy_gini, což je přesnost modelu dt_gini na testovací sadě.

Toto cvičení je součástí kurzu

Machine Learning with Tree-Based Models in Python

Zobrazit kurz

Pokyny k cvičení

Importuj accuracy_score z sklearn.metrics.
Předpověz štítky testovací sady pomocí dt_entropy a výsledek ulož do y_pred.
Vyhodnoť přesnost modelu dt_entropy na testovací sadě a výsledek ulož do accuracy_entropy.
Prohlédni si hodnoty accuracy_entropy a accuracy_gini.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import accuracy_score from sklearn.metrics
from ____.____ import ____

# Use dt_entropy to predict test set labels
____= ____.____(____)

# Evaluate accuracy_entropy
accuracy_entropy = ____(____, ____)

# Print accuracy_entropy
print(f'Accuracy achieved by using entropy: {accuracy_entropy:.3f}')

# Print accuracy_gini
print(f'Accuracy achieved by using the gini index: {accuracy_gini:.3f}')

Upravit a spustit kód