Calculer d'autres mesures
En plus de l'exactitude (accuracy), calculons aussi la mesure F1 de ce nouveau modèle pour obtenir un meilleur portrait de sa performance.
Une division entraînement-test de 70-30 a déjà été effectuée pour vous, et tous les modules nécessaires ont été importés.
Cette activité fait partie du cours
Analytique marketing : prédire l'attrition de la clientèle avec Python
Instructions de l’exercice
- Prédisez les étiquettes de l'ensemble de test.
- Affichez la mesure F1.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import f1_score
from sklearn.metrics import f1_score
# Instantiate the classifier
clf = RandomForestClassifier()
# Fit to the data
clf.fit(X_train, y_train)
# Predict the labels of the test set
y_pred = ____
# Print the F1 score
print(____)