Évaluer l'arbre de classification
Maintenant que vous avez ajusté votre premier arbre de classification, il est temps d'évaluer ses performances sur l'ensemble de test. Vous utiliserez pour cela la mesure de précision qui correspond à la fraction de prédictions correctes effectuées sur l'ensemble de test.
Le modèle formé dt issu de l'exercice précédent est chargé dans votre espace de travail, ainsi que la matrice des caractéristiques de l'ensemble de test X_test et le tableau des étiquettes y_test.
Cet exercice fait partie du cours
Machine learning avec des modèles arborescents en Python
Instructions
Veuillez importer la fonction
accuracy_scoredepuissklearn.metrics.Veuillez prédire les étiquettes de l'ensemble de test et attribuer le tableau obtenu à
y_pred.Veuillez évaluer le score de précision de l'ensemble de test de
dten appelantaccuracy_score()et attribuer la valeur àacc.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Import accuracy_score
from ____.____ import ____
# Predict test set labels
y_pred = ____.____(____)
# Compute test set accuracy
acc = ____(____, ____)
print("Test set accuracy: {:.2f}".format(acc))