Calculer d’autres métriques
En plus de la précision (accuracy), calculons aussi le F1 score de ce nouveau modèle pour obtenir une meilleure vue d’ensemble de ses performances.
Une séparation train-test 70/30 a déjà été effectuée pour vous, et tous les modules nécessaires ont été importés.
Cet exercice fait partie du cours
Marketing Analytics : prédire l’attrition client en Python
Instructions
- Prédisez les étiquettes de l’ensemble de test.
- Affichez le F1 score.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Import f1_score
from sklearn.metrics import f1_score
# Instantiate the classifier
clf = RandomForestClassifier()
# Fit to the data
clf.fit(X_train, y_train)
# Predict the labels of the test set
y_pred = ____
# Print the F1 score
print(____)