LoslegenKostenlos loslegen

Den Klassifikationsbaum auswerten

Jetzt, da 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 Beispiele 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

Maschinelles Lernen mit baumbasierten Modellen in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere die Funktion accuracy_score aus sklearn.metrics.

  • Sage die Labels des Testsets voraus und speichere das erhaltene Array in y_pred.

  • Werte die Accuracy auf dem Testset für dt aus, indem du accuracy_score() aufrufst, und speichere den Wert in acc.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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