モデル比較のウォームアップ
この演習では、混同行列を使って MLP と Random Forest の間で、4 つの結果カテゴリを基本的に比較します。これは、これまで扱ってきたすべてのモデルの分析に向けた準備です。ウォームアップとして取り組むことで、これらのモデルの実装方法や、CTR 予測における評価の違いを比較・対照できるようになります。
ワークスペースには、X と y について、それぞれ X_train, X_test、y_train, y_test の学習用・テスト用の分割済みデータがあります。X にはユーザー・デバイス・サイトの詳細といった作成済み特徴量が含まれ、y には目的変数（広告がクリックされたかどうか）が含まれている点を思い出してください。X にはすでに StandardScaler() によるスケーリングが適用されています。今後の広告 CTR 予測モデルでも、同様のセットアップになります。
この演習はコースの一部です
PythonでMachine Learningを使ってCTRを予測する
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。
# Create the list of models in the order below
names = ['Random Forest', 'Multi-Layer Perceptron']
classifiers = [RandomForestClassifier(),
____(____ = (10, ),
____ = 40)]
# Produce a confusion matrix for all classifiers
for name, classifier in zip(names, classifiers):
print("Evaluating classifier: %s" %(name))
classifier.fit(____, ____)
y_pred = classifier.predict(____)
conf_matrix = confusion_matrix(____, ____)
print(conf_matrix)