LoslegenKostenlos loslegen

Einzelne Klassifikatoren bewerten

In dieser Übung bewertest du die Leistung der Modelle in der Liste classifiers, die wir in der vorherigen Übung definiert haben. Dazu passt du jeden Klassifikator an das Trainingsset an und bewertest seine Genauigkeit auf dem Testset.

Der Datensatz ist bereits für dich geladen und vorverarbeitet (numerische Features sind standardisiert) und in 70 % Training und 30 % Test aufgeteilt. Die Feature-Matrizen X_train und X_test sowie die Label-Arrays y_train und y_test stehen in deinem Workspace zur Verfügung. Zusätzlich haben wir die Liste classifiers aus der vorherigen Übung geladen sowie die Funktion accuracy_score() aus sklearn.metrics.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit baumbasierten Modellen in Python

Kurs anzeigen

Anleitung zur Übung

  • Iteriere über die Tupel in classifiers. Verwende clf_name und clf als Variablen der for-Schleife:
    • Fitte clf auf das Trainingsset.
    • Sage die Test-Labels von clf voraus und weise die Ergebnisse y_pred zu.
    • Werte die Testgenauigkeit von clf aus und gib das Ergebnis aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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))
Code bearbeiten und ausführen