Évaluer les performances bagging
Maintenant que vous avez instancié le classificateur bagging, il est temps de l'entraîner et d'évaluer la précision de son ensemble de test.
L'ensemble de données sur les patients indiens atteints d'une maladie hépatique est traité pour vous et divisé en 80 % d'entraînement et 20 % de test. Les matrices de caractéristiques X_train et X_test, ainsi que les tableaux d'étiquettes y_train et y_test sont disponibles dans votre espace de travail. De plus, nous avons également chargé le classificateur bagging bc que vous avez instancié dans l'exercice précédent et la fonction accuracy_score() à partir de sklearn.metrics.
Cet exercice fait partie du cours
Machine learning avec des modèles arborescents en Python
Instructions
Ajustez
bcà l'ensemble d'apprentissage.Veuillez prédire les étiquettes de l'ensemble de test et attribuer le résultat à
y_pred.Déterminez la précision de l'ensemble de test de
bc.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Fit bc to the training set
____.____(____, ____)
# Predict test set labels
y_pred = ____.____(____)
# Evaluate acc_test
acc_test = ____(____, ____)
print('Test set accuracy of bc: {:.2f}'.format(acc_test))