OOB 점수 vs 테스트 세트 점수
이제 bc를 생성했으니, 학습 세트에 적합(fit)하고 테스트 세트 정확도와 OOB 정확도를 평가해 보겠습니다.
데이터셋은 이미 전처리되어 80% 학습, 20% 테스트로 나뉘어 있어요. 특성 행렬 X_train, X_test와 레이블 배열 y_train, y_test가 워크스페이스에 준비되어 있습니다. 또한 이전 연습 문제에서 생성한 분류기 bc와 sklearn.metrics의 함수 accuracy_score()도 이미 불러와 두었습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 트리 기반 Machine Learning
연습 안내
bc를 학습 세트에 적합하고, 테스트 세트 레이블을 예측하여 결과를y_pred에 할당하세요.accuracy_score를 호출해 테스트 세트 정확도acc_test를 평가하세요.bc의 속성oob_score_를 추출하여 OOB 정확도acc_oob를 평가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Fit bc to the training set
____.____(____, ____)
# Predict test set labels
y_pred = ____.____(____)
# Evaluate test set accuracy
acc_test = ____(____, ____)
# Evaluate OOB accuracy
acc_oob = ____.____
# Print acc_test and acc_oob
print('Test set accuracy: {:.3f}, OOB accuracy: {:.3f}'.format(acc_test, acc_oob))