Klassificeringsprediktioner
Vid modellvalidering är det ofta viktigt att veta mer om prediktionerna än bara den slutliga klassificeringen. När man förutsäger vem som vinner ett spel vill de flesta också veta hur sannolikt det är att ett lag vinner.
| Sannolikhet | Prediktion | Betydelse |
|---|---|---|
| 0 < .50 | 0 | Laget förlorar |
| .50 + | 1 | Laget vinner |
I den här övningen undersöker du metoderna .predict() och .predict_proba() med hjälp av datamängden tic_tac_toe. Den första metoden ger en prediktion om huruvida spelare ett vinner spelet, och den andra metoden anger sannolikheten för att spelare ett vinner. Använd rfc som klassificeringsmodell med slumpmässig skog.
Den här övningen är en del av kursen
Modellvalidering i Python
Övningsinstruktioner
- Skapa två arrays med prediktioner – en för klassificeringsvärden och en för predikterade sannolikheter.
- Använd metoden
.value_counts()för en pandas Series för att skriva ut antalet observationer som tilldelades varje klass. - Skriv ut den första observationen i
probability_predictionsför att se hur sannolikheterna är strukturerade.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Fit the rfc model.
rfc.fit(X_train, y_train)
# Create arrays of predictions
classification_predictions = rfc.____(X_test)
probability_predictions = rfc.____(X_test)
# Print out count of binary predictions
print(pd.Series(____).____())
# Print the first value from probability_predictions
print('The first predicted probabilities are: {}'.format(____[____]))