1. Učit se
  2. /
  3. Kurzy
  4. /
  5. Machine Learning avec des modèles à base d'arbres en Python

Connected

cvičení

Évaluer le classificateur AdaBoost

Maintenant que vous avez entraîné ada et prédit les probabilités d'obtenir la classe positive dans l'ensemble de test, il est temps d'évaluer la mesure ROC AUC de ada. Rappelez-vous que la mesure ROC AUC d'un classificateur binaire peut être calculée avec la fonction roc_auc_score() de sklearn.metrics.

Les tableaux y_test et y_pred_proba que vous avez calculés dans l'exercice précédent sont disponibles dans votre espace de travail.

Pokyny

100 XP
  • Importez roc_auc_score depuis sklearn.metrics.

  • Calculez la mesure ROC AUC de ada sur l'ensemble de test, assignez-la à ada_roc_auc, puis affichez-la.