Напоминание о метриках качества
Помните набор данных о кредитах? Теперь, обладая более глубокими знаниями о метриках, давайте ещё раз оценим качество случайного леса на этих данных. Вы уже обучили классификатор и получили матрицу ошибок на тестовых данных. Результаты доступны в виде переменных tp, fp, fn и tn — истинно положительные, ложно положительные, ложно отрицательные и истинно отрицательные значения соответственно. Также у вас есть истинные метки тестовых данных y_test и предсказанные метки preds. Функции f1_score() и precision_score() уже импортированы.
Это упражнение является частью курса
Проектирование рабочих процессов машинного обучения на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
print(____(____, preds))