ÎncepețiÎncepe gratuit

Entropie vs. indicele Gini

În acest exercițiu vei compara acuratețea pe setul de testare a lui dt_entropy cu acuratețea unui alt arbore numit dt_gini. Arborele dt_gini a fost antrenat pe același set de date, cu aceiași parametri, cu excepția criteriului de informație, care a fost setat la indicele Gini folosind cuvântul cheie 'gini'.

X_test, y_test, dt_entropy, precum și accuracy_gini, care corespunde acurateței obținute de dt_gini pe setul de testare, 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 accuracy_score din sklearn.metrics.
  • Prezice etichetele setului de testare pentru dt_entropy și atribuie rezultatul variabilei y_pred.
  • Evaluează acuratețea pe setul de testare a lui dt_entropy și atribuie rezultatul variabilei accuracy_entropy.
  • Analizează valorile accuracy_entropy și accuracy_gini.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import accuracy_score from sklearn.metrics
from ____.____ import ____

# Use dt_entropy to predict test set labels
____= ____.____(____)

# Evaluate accuracy_entropy
accuracy_entropy = ____(____, ____)

# Print accuracy_entropy
print(f'Accuracy achieved by using entropy: {accuracy_entropy:.3f}')

# Print accuracy_gini
print(f'Accuracy achieved by using the gini index: {accuracy_gini:.3f}')
Editează și rulează codul