Точность (Precision) и полнота (Recall)
Метрики качества, которые вы используете для оценки модели, всегда должны соответствовать конкретной задаче. Представьте, что вы очень болезненно переносите поражения в крестики-нолики — но только когда были уверены в победе.
Выберите наиболее подходящую метрику — точность (precision) или полноту (recall) — и завершите это упражнение. Помните: если вы думаете, что победите, вы должны победить!
Используйте rfc — модель классификации на основе случайного леса, обученную на наборе данных tic_tac_toe.
Это упражнение является частью курса
Валидация моделей на Python
Инструкции к упражнению
- Импортируйте метрику точности (precision) или полноты (recall) из
sklearn. Только один метод подходит для данного контекста. - Вычислите точность или полноту, используя
y_testв качестве истинных значений иtest_predictionsв качестве предсказаний. - Выведите итоговое значение выбранной метрики.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
from sklearn.metrics import ____
test_predictions = rfc.predict(X_test)
# Create precision or recall score based on the metric you imported
score = ____(____, ____)
# Print the final result
print("The ____ value is {0:.2f}".format(____))