OOB Score par rapport au score de l'ensemble des tests
Maintenant que vous avez instancié bc, vous allez l'adapter à l'ensemble d'apprentissage et évaluer ses précisions sur l'ensemble de test et OOB.
L'ensemble de données est traité pour vous et divisé en 80 % de formation 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. En outre, 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
Apprentissage automatique avec des modèles arborescents en Python
Instructions
Ajustez
bcà l'ensemble d'apprentissage et prédisez les étiquettes de l'ensemble de test, puis attribuez les résultats ày_pred.Évaluez la précision de l'ensemble de test
acc_testen appelantaccuracy_score.Évaluez la précision de
bc's OOBacc_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))