НачатьНачать бесплатно

Пороговое значение по умолчанию

Вы хотите убедиться, что DecisionTreeClassifier() использует то же пороговое значение классификации по умолчанию, которое упоминалось в предыдущем уроке, — а именно 0,5. Кажется странным, что все классификаторы должны использовать одно и то же пороговое значение. Давайте проверим! Обученный классификатор на основе дерева решений clf уже загружен, как и обучающие и тестовые данные с их стандартными именами: X_train, X_test, y_train и y_test. Вам потребуется извлечь вероятностные оценки из классификатора с помощью метода .predict_proba().

Это упражнение является частью курса

Проектирование рабочих процессов машинного обучения на Python

Посмотреть курс

Инструкции к упражнению

  • Получите оценки для тестовых примеров, используя предварительно загруженный классификатор clf.
  • Теперь извлеките метки из оценок. Помните, что для каждого примера у вас есть пара оценок, а не одна, и второй элемент — это вероятность положительного класса.
  • Разметьте тестовые данные с помощью стандартного метода .predict().
  • Наконец, сравните полученные предсказания. Совпадают ли они?

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Score the test data using the given classifier
scores = clf.____(____)

# Get labels from the scores using the default threshold
preds = [s[____] > ____ for s in scores]

# Use the predict method to label the test data again
preds_default = clf.____(____)

# Compare the two sets of predictions
____(preds == preds_default)
Редактировать и запускать код