Score OOB par rapport au 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 l'
bce à l'ensemble d'apprentissage, prédisez les étiquettes de l'ensemble de test et attribuez les résultats ày_pred.Évaluez l'
acc_teste de précision de l'ensemble de test en appelantaccuracy_score.Veuillez évaluer 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))