アウト・オブ・バッグ（OOB）スコアを確認する

前の演習で作成したモデルのアウト・オブ・バッグ（OOB）スコアを確認してみましょう。

これまでは性能指標として F1 スコアを使ってきましたが、この演習では OOB スコアと比較しやすいように accuracy（正解率）を使います。

前の演習で作成した決定木分類器 clf_dt はワークスペースに用意されています。

pokemon データセットはすでに読み込まれており、学習用とテスト用に分割済みです。さらに、決定木分類器は学習済みで、ベース推定器として使える clf_dt が利用可能です。

この演習はコースの一部です

Pythonで学ぶアンサンブル手法

コースを見る

演習の手順

決定木をベース推定器にして、推定器を 21 個に設定した Bagging 分類器を作成します。今回は、oob_score パラメータに引数を指定して、OOB スコアを使用してください。
分類器の OOB スコアを出力してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Build and train the bagging classifier
clf_bag = ____(
  ____,
  ____,
  ____,
  random_state=500)
clf_bag.fit(X_train, y_train)

# Print the out-of-bag score
print('OOB-Score: {:.3f}'.format(____))

# Evaluate the performance on the test set to compare
pred = clf_bag.predict(X_test)
print('Accuracy: {:.3f}'.format(accuracy_score(y_test, pred)))

コードを編集して実行