정밀도와 재현율 계산하기
sklearn.metrics 하위 모듈에는 유용한 지표를 손쉽게 계산할 수 있는 함수가 많이 있어요. 지금까지는 정밀도와 재현율을 직접 계산해 보셨죠. 두 지표에 대한 직관을 기르는 데 매우 중요합니다.
실전에서는 직관이 생기면 precision_score와 recall_score 함수를 활용해 각각 정밀도와 재현율을 자동으로 계산할 수 있어요. 둘 다 sklearn.metrics의 다른 함수들과 방식이 비슷하며, 인자는 2개를 받아요. 첫 번째는 실제 레이블(y_test), 두 번째는 예측 레이블(y_pred)입니다.
이번에는 학습 데이터 비율을 90%로 시도해 봅시다.
이 연습은 강의의 일부입니다
마케팅 애널리틱스: Python으로 고객 이탈 예측하기
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import train_test_split
from sklearn.model_selection import train_test_split
# Create feature variable
X = telco.drop('Churn', axis=1)
# Create target variable
y = telco['Churn']
# Create training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1)
# Import RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
# Instantiate the classifier
clf = RandomForestClassifier()
# Fit to the training data
clf.fit(X_train, y_train)
# Predict the labels of the test set
y_pred = clf.predict(X_test)
# Import precision_score