Calcolo di altre metriche
Oltre all'accuracy, calcoliamo anche l'F1 score di questo nuovo modello per avere un quadro più completo delle sue prestazioni.
Un train-test split 70-30 è già stato eseguito per te e tutti i moduli necessari sono stati importati.
Questo esercizio fa parte del corso
Marketing Analytics: Prevedere il churn dei clienti in Python
Istruzioni dell'esercizio
- Prevedi le etichette del set di test.
- Stampa l'F1 score.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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(____)