Vyhodnocení jednotlivých klasifikátorů

V tomto cvičení vyhodnotíš výkon modelů ze seznamu classifiers, který jsme definovali v předchozím cvičení. Každý klasifikátor natrénuješ na trénovací sadě a vyhodnotíš jeho přesnost na testovací sadě.

Dataset je už načtený a připravený k použití (numerické příznaky jsou standardizované) a je rozdělený na 70 % trénovacích a 30 % testovacích dat. Matice příznaků X_train a X_test, stejně jako pole popisků y_train a y_test, máš k dispozici ve svém pracovním prostoru. Kromě toho jsme načetli seznam classifiers z předchozího cvičení a funkci accuracy_score() z balíčku sklearn.metrics.

Toto cvičení je součástí kurzu

Machine Learning with Tree-Based Models in Python

Zobrazit kurz

Pokyny k cvičení

Iteruj přes n-tice v seznamu classifiers. Jako proměnné cyklu for použij clf_name a clf:
- Natrénuj clf na trénovací sadě.
- Predikuj popisky testovací sady pomocí clf a výsledky ulož do y_pred.
- Vyhodnoť přesnost clf na testovací sadě a výsledek vypiš.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Iterate over the pre-defined list of classifiers
for clf_name, clf in ____:    
 
    # Fit clf to the training set
    ____.____(____, ____)    
   
    # Predict y_pred
    y_pred = ____.____(____)
    
    # Calculate accuracy
    accuracy = ____(____, ____) 
   
    # Evaluate clf's accuracy on the test set
    print('{:s} : {:.3f}'.format(clf_name, accuracy))

Upravit a spustit kód