Zacznij terazZacznij za darmo

Ocena poszczególnych klasyfikatorów

W tym ćwiczeniu ocenisz wydajność modeli z listy classifiers, którą zdefiniowaliśmy w poprzednim ćwiczeniu. Dopasuj każdy klasyfikator do zbioru treningowego i sprawdź jego dokładność na zbiorze testowym.

Zbiór danych jest już wczytany i wstępnie przetworzony (cechy numeryczne są znormalizowane) oraz podzielony na 70% danych treningowych i 30% testowych. Macierze cech X_train i X_test, a także tablice etykiet y_train i y_test są dostępne w twoim środowisku pracy. Ponadto lista classifiers z poprzedniego ćwiczenia oraz funkcja accuracy_score() z biblioteki sklearn.metrics są już załadowane.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z modelami drzewiastymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Iteruj po krotkach na liście classifiers. Użyj zmiennych clf_name i clf jako zmiennych pętli for:
    • Dopasuj clf do zbioru treningowego.
    • Przewidź etykiety zbioru testowego za pomocą clf i przypisz wyniki do zmiennej y_pred.
    • Oblicz dokładność clf na zbiorze testowym i wyświetl wynik.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Iterate over the pre-defined list of classifiers
for clf_name, clf in ____:    
 
    # Fit clf to the training set
    ____.____(____, ____)    
   
    # Predict y_pred
    y_pred = ____.____(____)
    
    # Calculate accuracy
    accuracy = ____(____, ____) 
   
    # Evaluate clf's accuracy on the test set
    print('{:s} : {:.3f}'.format(clf_name, accuracy))
Edytuj i uruchom kod