CommencerCommencer gratuitement

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. Pour ce faire, vous utiliserez la mesure de la précision, qui correspond à la fraction de prédictions correctes effectuées sur l'ensemble de test.

Le modèle entraîné dt de l'exercice précédent est chargé dans votre espace de travail avec la matrice des caractéristiques de l'ensemble de test X_test et le tableau des étiquettes y_test.

Cet exercice fait partie du cours

Apprentissage automatique avec des modèles arborescents en Python

Afficher le cours

Instructions

  • Importez la fonction accuracy_score à partir de sklearn.metrics.

  • Prédisez les étiquettes de l'ensemble de test et attribuez le tableau obtenu à y_pred.

  • Évaluez le score de précision de l'ensemble de test de dt en appelant accuracy_score() et attribuez la valeur à acc.

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))
Modifier et exécuter le code