ComeçarComece gratuitamente

Avaliar classificadores individuais

Neste exercício, você avaliará o desempenho dos modelos na lista classifiers que definimos no exercício anterior. Você fará isso ajustando cada classificador no conjunto de treinamento e avaliando a precisão do conjunto de teste.

O conjunto de dados já está carregado e pré-processado para você (os recursos numéricos são padronizados) e está dividido em 70% de treinamento e 30% de teste. As matrizes de recursos X_train e X_test, bem como as matrizes de rótulos y_train e y_test estão disponíveis em seu espaço de trabalho. Além disso, carregamos a lista classifiers do exercício anterior, bem como a função accuracy_score() de sklearn.metrics.

Este exercício faz parte do curso

Aprendizado de máquina com modelos baseados em árvores em Python

Ver Curso

Instruções de exercício

  • Itere sobre as tuplas em classifiers. Use clf_name e clf como variáveis do loop for:

    • Ajuste clf ao conjunto de treinamento.

    • Preveja os rótulos do conjunto de teste de clf e atribua os resultados a y_pred.

    • Avalie a precisão do conjunto de teste de clf e imprima o resultado.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# 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))
Editar e executar código