始める無料で始める

個々の分類器を評価する

この演習では、前の演習で定義したリスト classifiers に含まれるモデルの性能を評価します。各分類器を学習用データに適合させ、テストセットでの正解率を評価します。

データセットはすでに読み込みと前処理（数値特徴量の標準化）が済んでおり、70%が訓練、30%がテストに分割されています。特徴量行列 X_train と X_test、およびラベル配列 y_train と y_test はワークスペースで利用できます。さらに、前の演習からリスト classifiers が読み込まれており、sklearn.metrics から関数 accuracy_score() も利用可能です。

この演習はコースの一部です

Pythonで学ぶ木ベースのMachine Learning

コースを見る

演習の手順

  • classifiers の各タプルを反復処理します。for ループの変数には clf_name と clf を使います。
    • 学習用データに clf を適合させます。
    • テストセットのラベルを clf で予測し、結果を y_pred に代入します。
    • clf のテストセット正解率を評価し、その結果を出力します。

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。

# Iterate over the pre-defined list of classifiers
for clf_name, clf in ____:    
 
    # Fit clf to the training set
    ____.____(____, ____)    
   
    # Predict y_pred
    y_pred = ____.____(____)
    
    # Calculate accuracy
    accuracy = ____(____, ____) 
   
    # Evaluate clf's accuracy on the test set
    print('{:s} : {:.3f}'.format(clf_name, accuracy))
コードを編集して実行