Rappel des métriques de performance
Vous vous souvenez du jeu de données de crédit ? Avec toutes les connaissances supplémentaires que vous avez désormais sur les métriques, regardons à nouveau la performance d’une forêt aléatoire sur ce jeu de données. Vous avez déjà entraîné votre classificateur et obtenu votre matrice de confusion sur les données de test. Les données de test et les résultats vous sont fournis sous forme de tp, fp, fn et tn, pour respectivement vrais positifs, faux positifs, faux négatifs et vrais négatifs. Vous disposez également des étiquettes de vérité terrain pour les données de test, y_test, ainsi que des étiquettes prédites, preds. Les fonctions f1_score() et precision_score() ont également été importées.
Cet exercice fait partie du cours
Concevoir des workflows de Machine Learning en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
print(____(____, preds))