Obliczanie innych metryk
Oprócz dokładności obliczmy też wynik F1 dla nowego modelu, żeby lepiej ocenić jego działanie.
Podział na zbiór treningowy i testowy w proporcji 70–30 został już wykonany, a wszystkie niezbędne moduły są zaimportowane.
To ćwiczenie jest częścią kursu
Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie
Instrukcje do ćwiczenia
- Przewidź etykiety zbioru testowego.
- Wyświetl wynik F1.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import f1_score
from sklearn.metrics import f1_score
# Instantiate the classifier
clf = RandomForestClassifier()
# Fit to the data
clf.fit(X_train, y_train)
# Predict the labels of the test set
y_pred = ____
# Print the F1 score
print(____)