ÎncepețiÎncepe gratuit

Evaluează clasificatorul AdaBoost

Acum că ai terminat de antrenat ada și ai calculat probabilitățile de obținere a clasei pozitive în setul de testare, este momentul să evaluezi scorul ROC AUC al lui ada. Reține că scorul ROC AUC al unui clasificator binar poate fi determinat folosind funcția roc_auc_score() din sklearn.metrics.

Array-urile y_test și y_pred_proba pe care le-ai calculat în exercițiul anterior sunt disponibile în spațiul tău de lucru.

Acest exercițiu face parte din cursul

Machine Learning cu modele bazate pe arbori în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă roc_auc_score din sklearn.metrics.

  • Calculează scorul ROC AUC al lui ada pe setul de testare, atribuie-l variabilei ada_roc_auc și afișează-l.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import roc_auc_score
____

# Evaluate test-set roc_auc_score
____ = ____(____, ____)

# Print roc_auc_score
print('ROC AUC score: {:.2f}'.format(ada_roc_auc))
Editează și rulează codul