OOB स्कोर बनाम टेस्ट सेट स्कोर
अब जबकि आपने bc को इंस्टैंशिएट कर लिया है, आप इसे प्रशिक्षण सेट पर फिट करेंगे और इसके टेस्ट सेट तथा OOB दोनों एक्युरेसी का मूल्यांकन करेंगे.
डेटासेट आपके लिए प्रोसेस कर दिया गया है और 80% ट्रेन तथा 20% टेस्ट में बाँटा गया है. फीचर मैट्रिसेज़ X_train और X_test, साथ ही लेबल एरेज़ y_train और y_test आपके वर्कस्पेस में उपलब्ध हैं. इसके अलावा, हमने पिछले अभ्यास में इंस्टैंशिएट किया गया क्लासिफायर bc और sklearn.metrics से फ़ंक्शन accuracy_score() भी लोड कर दिया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Tree-Based Models के साथ Machine Learning
अभ्यास निर्देश
bcको प्रशिक्षण सेट पर फिट करें, टेस्ट सेट लेबल्स की भविष्यवाणी करें, और परिणामy_predको असाइन करें.accuracy_scoreकॉल करके टेस्ट सेट एक्युरेसीacc_testका मूल्यांकन करें.bcकी OOB एक्युरेसीacc_oobका मूल्यांकन करने के लिएbcसे एट्रिब्यूटoob_score_निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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))