Kom igångKom igång gratis

OOB-poäng vs. testmängdspoäng

Nu när du har instansierat bc ska du träna det på träningsdatan och utvärdera dess noggrannhet på testmängden och OOB-noggrannhet.

Datamängden är förberedd åt dig och delad i 80% träning och 20% test. Featurematriserna X_train och X_test, samt etikettvektorerna y_train och y_test, finns tillgängliga i din arbetsyta. Dessutom har klassificeraren bc som instansierades i den föregående övningen och funktionen accuracy_score() från sklearn.metrics laddats in.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i Python

Visa kurs

Övningsinstruktioner

  • Träna bc på träningsdatan, prediktera etiketterna för testmängden och tilldela resultaten till y_pred.

  • Utvärdera testmängdens noggrannhet acc_test genom att anropa accuracy_score.

  • Utvärdera bc:s OOB-noggrannhet acc_oob genom att hämta attributet oob_score_ från bc.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Fit bc to the training set 
____.____(____, ____)

# Predict test set labels
y_pred = ____.____(____)

# Evaluate test set accuracy
acc_test = ____(____, ____)

# Evaluate OOB accuracy
acc_oob = ____.____

# Print acc_test and acc_oob
print('Test set accuracy: {:.3f}, OOB accuracy: {:.3f}'.format(acc_test, acc_oob))
Redigera och kör kod