सर्वोत्तम ट्री का मूल्यांकन करें
इस अभ्यास में, आप grid_dt के सर्वोत्तम मॉडल का टेस्ट सेट ROC AUC स्कोर मूल्यांकित करेंगे.
ऐसा करने के लिए, आप पहले टेस्ट सेट की प्रत्येक ऑब्ज़र्वेशन के लिए पॉज़िटिव लेबल प्राप्त होने की प्रायिकता निर्धारित करेंगे। sklearn क्लासिफायर की predict_proba() मेथड से आप 2D एरे निकाल सकते हैं, जिसमें कॉलम-वाइज क्रमशः नेगेटिव और पॉज़िटिव क्लास-लेबल्स की प्रायिकताएँ होती हैं.
डेटासेट आपके लिए पहले से लोड और प्रोसेस किया गया है (न्यूमेरिकल फीचर्स को स्टैंडर्डाइज़ किया गया है); इसे 80% ट्रेन और 20% टेस्ट में बाँटा गया है। X_test, y_test आपके वर्कस्पेस में उपलब्ध हैं। साथ ही, हमने पिछले अभ्यास में आपने जो GridSearchCV ऑब्जेक्ट grid_dt बनाया था, उसका प्रशिक्षित संस्करण भी लोड कर दिया है। ध्यान दें कि grid_dt को इस प्रकार प्रशिक्षित किया गया था:
grid_dt.fit(X_train, y_train)
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Tree-Based Models के साथ Machine Learning
अभ्यास निर्देश
sklearn.metricsसेroc_auc_scoreइम्पोर्ट करें.grid_dtसे.best_estimator_एट्रिब्यूट निकालकर उसेbest_modelमें असाइन करें.टेस्ट सेट पर पॉज़िटिव क्लास प्राप्त करने की प्रायिकताएँ
y_pred_probaके रूप में प्रेडिक्ट करें.best_modelका टेस्ट सेट ROC AUC स्कोरtest_roc_aucगणना करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import roc_auc_score from sklearn.metrics
____
# Extract the best estimator
best_model = ____
# Predict the test set probabilities of the positive class
y_pred_proba = ____
# Compute test_roc_auc
test_roc_auc = ____
# Print test_roc_auc
print('Test set ROC AUC score: {:.3f}'.format(test_roc_auc))