Evaluar el árbol de clasificación
Ahora que has ajustado tu primer árbol de clasificación, es hora de evaluar su rendimiento en el conjunto de pruebas. Lo harás utilizando la métrica de precisión, que corresponde a la fracción de predicciones correctas realizadas en el conjunto de pruebas.
El modelo entrenado dt del ejercicio anterior se carga en tu espacio de trabajo junto con la matriz de características del conjunto de prueba X_test y la matriz de etiquetas y_test.
Este ejercicio forma parte del curso
Machine learning con modelos basados en árboles en Python
Instrucciones de ejercicio
Importa la función
accuracy_scoredesklearn.metrics.Predice las etiquetas del conjunto de pruebas y asigna la matriz obtenida a
y_pred.Evalúa la puntuación de precisión del conjunto de pruebas de
dtllamando aaccuracy_score()y asigna el valor aacc.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Import accuracy_score
from ____.____ import ____
# Predict test set labels
y_pred = ____.____(____)
# Compute test set accuracy
acc = ____(____, ____)
print("Test set accuracy: {:.2f}".format(acc))