Evaluar el rendimiento del bagging
Ahora que has instanciado el clasificador bagging, es hora de entrenarlo y evaluar su precisión en el conjunto de pruebas.
El conjunto de datos de pacientes hepáticos indios se procesa para ti y se divide en un 80 % de entrenamiento y un 20 % de prueba. Las matrices de características X_train y X_test, así como las matrices de etiquetas y_train y y_test están disponibles en tu espacio de trabajo. Además, también hemos cargado el clasificador bagging bc que instanciaste en el ejercicio anterior y la función accuracy_score() de sklearn.metrics.
Este ejercicio forma parte del curso
Machine learning con modelos basados en árboles en Python
Instrucciones de ejercicio
Ajusta
bcal conjunto de entrenamiento.Predice las etiquetas del conjunto de pruebas y asigna el resultado a
y_pred.Determina la precisión del conjunto de pruebas de
bc.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Fit bc to the training set
____.____(____, ____)
# Predict test set labels
y_pred = ____.____(____)
# Evaluate acc_test
acc_test = ____(____, ____)
print('Test set accuracy of bc: {:.2f}'.format(acc_test))