エントロピー vs ジニ指数
この演習では、dt_entropy のテストセット精度を、別の木 dt_gini の精度と比較します。dt_gini は、同じデータセット・同じパラメータで学習されていますが、情報量基準だけはキーワード 'gini' を指定してジニ指数に設定しています。
ワークスペースには、X_test、y_test、dt_entropy に加えて、dt_gini が達成したテストセット精度に対応する accuracy_gini が用意されています。
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accuracy_scoreをインポートします。dt_entropyでテストセットのラベルを予測し、結果をy_predに代入します。dt_entropyのテストセット精度を評価し、結果をaccuracy_entropyに代入します。accuracy_entropyとaccuracy_giniを確認します。
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 sklearn.metrics
from ____.____ import ____
# Use dt_entropy to predict test set labels
____= ____.____(____)
# Evaluate accuracy_entropy
accuracy_entropy = ____(____, ____)
# Print accuracy_entropy
print(f'Accuracy achieved by using entropy: {accuracy_entropy:.3f}')
# Print accuracy_gini
print(f'Accuracy achieved by using the gini index: {accuracy_gini:.3f}')