ÎncepețiÎncepe gratuit

Evaluarea celor patru categorii

Matricea de confuzie este cel mai direct instrument pentru a analiza cele patru categorii de rezultate: pozitive adevărate (TP), pozitive false (FP), negative adevărate (TN) și negative false (FN). În acest exercițiu, vei folosi un clasificator standard de tip arbore de decizie — DecisionTreeClassifier() din sklearn — pe datele de exemplu privind clicurile, pentru a calcula distribuția rezultatelor pe cele patru categorii.

Modulul pandas este disponibil ca pd în spațiul tău de lucru, iar DataFrame-ul de exemplu este încărcat ca df. Caracteristicile sunt încărcate în X, iar ținta este încărcată în y. De asemenea, DecisionTreeClassifier din sklearn.tree este disponibil.

Acest exercițiu face parte din cursul

Predicția CTR cu Machine Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Obține seturile de antrenament și de testare pentru X și y.
  • Definește un clasificator de tip arbore de decizie și generează predicțiile y_pred prin antrenarea modelului.
  • Folosește matricea de confuzie pentru a obține numărul de exemple din fiecare categorie de rezultate, unde 1 reprezintă un pozitiv (clic) și 0 reprezintă un negativ (neclic).
  • De exemplu: negativele adevărate corespund indexului [0,0], iar pozitivele adevărate corespund indexului [1,1].

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Set up classifier using training data to predict test data
X_train, X_test, y_train, y_test = ____(
  X, y, test_size = .2, random_state = 0)
clf = ____
y_pred = clf.____(X_train, y_train).____(X_test) 

# Define confusion matrix and four categories
conf_matrix = ____(y_test, y_pred)
tn = conf_matrix[____][____]
fp = conf_matrix[____][____]
fn = conf_matrix[____][____]
tp = conf_matrix[____][____]

print("TN: %s, FP: %s, FN: %s, TP: %s" %(tn, fp, fn, tp))
Editează și rulează codul