1. Apprendre
    2. /
  2. Cours
    3. /
  3. Machine Learning avec des modèles à base d'arbres en Python
Connected

Exercice

Entropie vs indice de Gini

Dans cet exercice, vous allez comparer la justesse sur l'ensemble de test de dt_entropy à celle d'un autre arbre nommé dt_gini. L'arbre dt_gini a été entraîné sur le même jeu de données avec les mêmes paramètres, sauf pour le critère d'information, qui a été réglé sur l'indice de Gini à l'aide du mot-clé 'gini'.

X_test, y_test, dt_entropy, ainsi que accuracy_gini (qui correspond à la justesse sur l'ensemble de test obtenue par dt_gini) sont disponibles dans votre espace de travail.

Instructions

100 XP
  • Importez accuracy_score depuis sklearn.metrics.
  • Prédisez les étiquettes de l'ensemble de test à l'aide de dt_entropy et assignez le résultat à y_pred.
  • Évaluez la justesse sur l'ensemble de test de dt_entropy et assignez le résultat à accuracy_entropy.
  • Examinez accuracy_entropy et accuracy_gini.