Výpočet přesnosti a úplnosti
Submodul sklearn.metrics obsahuje mnoho funkcí, které ti umožňují snadno vypočítat různé metriky. Zatím jsi přesnost a úplnost počítal/a ručně – to je důležité pro rozvoj intuice pro obě tyto metriky.
V praxi, jakmile tuto intuici získáš, můžeš využít funkce precision_score a recall_score, které přesnost a úplnost vypočítají automaticky. Obě fungují podobně jako ostatní funkce v sklearn.metrics – přijímají 2 argumenty: první jsou skutečné štítky (y_test) a druhý jsou predikované štítky (y_pred).
Nyní zkus trénovací velikost 90 %.
Toto cvičení je součástí kurzu
Marketing Analytics: Predicting Customer Churn in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import train_test_split
from sklearn.model_selection import train_test_split
# Create feature variable
X = telco.drop('Churn', axis=1)
# Create target variable
y = telco['Churn']
# Create training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1)
# Import RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
# Instantiate the classifier
clf = RandomForestClassifier()
# Fit to the training data
clf.fit(X_train, y_train)
# Predict the labels of the test set
y_pred = clf.predict(X_test)
# Import precision_score