LoslegenKostenlos starten

Den Klassifikationsbaum bewerten

Nachdem du deinen ersten Klassifikationsbaum trainiert hast, ist es Zeit, seine Leistung auf dem Testset zu bewerten. Du verwendest dafür die Metrik Accuracy, die dem Anteil korrekt vorhergesagter Werte im Testset entspricht.

Das trainierte Modell dt aus der vorherigen Übung ist zusammen mit der Feature-Matrix des Testsets X_test und dem Array der Labels y_test in deinem Workspace geladen.

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen mit baumbasierten Modellen in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere die Funktion accuracy_score aus sklearn.metrics.

  • Sage die Labels im Testset voraus und weise das erhaltene Array y_pred zu.

  • Bewerte die Accuracy auf dem Testset für dt, indem du accuracy_score() aufrufst, und weise den Wert acc zu.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import accuracy_score
from ____.____ import ____

# Predict test set labels
y_pred = ____.____(____)

# Compute test set accuracy  
acc = ____(____, ____)
print("Test set accuracy: {:.2f}".format(acc))
Code bearbeiten und ausführen