分類木を評価する
最初の分類木を学習できたので、次はテストセットで性能を評価します。ここでは、テストセットに対する正解予測の割合を表す精度（accuracy）を使います。
前の演習で学習したモデルdtは、テストセットの特徴行列X_testとラベル配列y_testと一緒に、あなたのワークスペースに読み込まれています。
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から関数accuracy_scoreをインポートします。テストセットのラベルを予測し、得られた配列を
y_predに代入します。accuracy_score()を呼び出してdtのテストセットにおける正解率を評価し、その値をaccに代入します。
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 accuracy_score
from ____.____ import ____
# Predict test set labels
y_pred = ____.____(____)
# Compute test set accuracy
acc = ____(____, ____)
print("Test set accuracy: {:.2f}".format(acc))