Predykcje klasyfikacyjne
W walidacji modeli ważne jest często nie tylko poznanie końcowej klasyfikacji, ale też zrozumienie, jak prawdopodobny jest dany wynik. Przewidując, kto wygra mecz, większość osób chce wiedzieć nie tylko kto zwycięży, ale z jakim prawdopodobieństwem.
| Prawdopodobieństwo | Predykcja | Znaczenie |
|---|---|---|
| 0 < 0,50 | 0 | Drużyna przegrywa |
| 0,50 + | 1 | Drużyna wygrywa |
W tym ćwiczeniu zapoznasz się z metodami .predict() i .predict_proba() na zbiorze danych tic_tac_toe. Pierwsza metoda zwraca predykcję, czy Gracz Pierwszy wygra partię, a druga – prawdopodobieństwo jego zwycięstwa. Użyj rfc jako modelu klasyfikacji lasem losowym.
To ćwiczenie jest częścią kursu
Walidacja modeli w Pythonie
Instrukcje do ćwiczenia
- Utwórz dwie tablice predykcji: jedną z wartościami klasyfikacji, drugą z przewidywanymi prawdopodobieństwami.
- Użyj metody
.value_counts()dla serii pandas, aby wyświetlić liczbę obserwacji przypisanych do każdej klasy. - Wyświetl pierwszą obserwację z
probability_predictions, aby zobaczyć, jak zbudowane są prawdopodobieństwa.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Fit the rfc model.
rfc.fit(X_train, y_train)
# Create arrays of predictions
classification_predictions = rfc.____(X_test)
probability_predictions = rfc.____(X_test)
# Print out count of binary predictions
print(pd.Series(____).____())
# Print the first value from probability_predictions
print('The first predicted probabilities are: {}'.format(____[____]))