Score OOB vs score du jeu de test
Maintenant que vous avez instancié bc, vous allez l'ajuster à l'ensemble d'apprentissage et évaluer son ensemble de test et ses précisions OOB.
L'ensemble de données 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 bc 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, prédisez les étiquettes de l'ensemble de test et attribuez les résultats ày_pred.Évaluez la précision de l'ensemble de test
acc_testen appelantaccuracy_score.Évaluez la précision OOB de
bcacc_ooben extrayant l'attributoob_score_debc.
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 test set accuracy
acc_test = ____(____, ____)
# Evaluate OOB accuracy
acc_oob = ____.____
# Print acc_test and acc_oob
print('Test set accuracy: {:.3f}, OOB accuracy: {:.3f}'.format(acc_test, acc_oob))