AdaBoost 分類器を評価する
テストセットで陽性クラスとなる確率を ada で予測し終えたので、次は ada の ROC AUC スコアを評価しましょう。2値分類器の ROC AUC スコアは、sklearn.metrics の roc_auc_score() 関数で求められることを思い出してください。
前の演習で計算した配列 y_test と y_pred_proba は、ワークスペースで利用できます。
この演習はコースの一部です
Pythonで学ぶ木ベースのMachine Learning
演習の手順
sklearn.metricsからroc_auc_scoreをインポートします。テストセットにおける
adaの ROC AUC スコアを計算し、ada_roc_aucに代入して出力してください。
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。
# Import roc_auc_score
____
# Evaluate test-set roc_auc_score
____ = ____(____, ____)
# Print roc_auc_score
print('ROC AUC score: {:.2f}'.format(ada_roc_auc))