Domyślny próg klasyfikacji
Chcesz sprawdzić, czy DecisionTreeClassifier() używa tego samego domyślnego progu klasyfikacji, o którym była mowa w poprzedniej lekcji – czyli 0,5. Wydaje ci się dziwne, że wszystkie klasyfikatory miałyby stosować ten sam próg. Sprawdźmy to! Dopasowany klasyfikator drzewa decyzyjnego clf został dla ciebie wczytany, podobnie jak dane treningowe i testowe z ich standardowymi nazwami: X_train, X_test, y_train i y_test. Musisz wyodrębnić wyniki prawdopodobieństwa z klasyfikatora, korzystając z metody .predict_proba().
To ćwiczenie jest częścią kursu
Projektowanie przepływów pracy uczenia maszynowego w Pythonie
Instrukcje do ćwiczenia
- Wyznacz wyniki dla przykładów testowych, używając wczytanego klasyfikatora
clf. - Wyodrębnij etykiety z wyników. Pamiętaj, że dla każdego przykładu masz parę wyników, a nie jeden wynik – drugi element to prawdopodobieństwo klasy pozytywnej.
- Oznacz dane testowe, używając standardowej metody
.predict(). - Na koniec porównaj uzyskane przewidywania z poprzednimi. Czy są identyczne?
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Score the test data using the given classifier
scores = clf.____(____)
# Get labels from the scores using the default threshold
preds = [s[____] > ____ for s in scores]
# Use the predict method to label the test data again
preds_default = clf.____(____)
# Compare the two sets of predictions
____(preds == preds_default)