Вычисление точности и полноты
Подмодуль sklearn.metrics содержит множество функций для удобного вычисления различных метрик. До этого вы рассчитывали точность и полноту вручную — это важно для развития интуитивного понимания обеих метрик.
На практике, освоив основы, вы можете воспользоваться функциями precision_score и recall_score, которые автоматически вычисляют точность и полноту соответственно. Обе функции работают аналогично другим функциям из sklearn.metrics: они принимают 2 аргумента — первый это фактические метки (y_test), второй — предсказанные метки (y_pred).
Теперь попробуем задать размер обучающей выборки равным 90%.
Это упражнение является частью курса
Маркетинговая аналитика: прогнозирование оттока клиентов на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import train_test_split
from sklearn.model_selection import train_test_split
# Create feature variable
X = telco.drop('Churn', axis=1)
# Create target variable
y = telco['Churn']
# Create training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1)
# Import RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
# Instantiate the classifier
clf = RandomForestClassifier()
# Fit to the training data
clf.fit(X_train, y_train)
# Predict the labels of the test set
y_pred = clf.predict(X_test)
# Import precision_score