Zacznij terazZacznij za darmo

Przypomnienie metryk wydajności

Pamiętasz zbiór danych dotyczący kredytów? Mając teraz szerszą wiedzę na temat metryk, przyjrzyjmy się jeszcze raz temu, jak dobrze radzi sobie las losowy na tym zbiorze. Klasyfikator jest już wytrenowany, a macierz pomyłek obliczona na danych testowych. Wyniki są dostępne jako tp, fp, fn i tn – odpowiednio: prawdziwe pozytywy, fałszywe pozytywy, fałszywe negatywy i prawdziwe negatywy. Masz też rzeczywiste etykiety dla danych testowych: y_test oraz przewidywane etykiety: preds. Zaimportowane zostały również funkcje f1_score() i precision_score().

To ćwiczenie jest częścią kursu

Projektowanie przepływów pracy uczenia maszynowego w Pythonie

Zobacz kurs

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

print(____(____, preds))
Edytuj i uruchom kod