Förvirringsmatriser, igen
Att skapa en förvirringsmatris i Python är enkelt. Den största utmaningen är att förstå matrisens orientering. Den här övningen säkerställer att du förstår sklearn:s implementation av förvirringsmatriser. Här har du skapat en slumpskogsmodell med datamängden tic_tac_toe – modellen rfc – för att förutsäga utfall 0 (förlust) eller 1 (vinst) för spelare ett.
Obs: Om du läst om förvirringsmatriser på en annan webbplats eller för ett annat programmeringsspråk kan värdena vara omvända.
Den här övningen är en del av kursen
Modellvalidering i Python
Övningsinstruktioner
- Importera
sklearn:s funktion för att skapa förvirringsmatriser. - Använd modellen
rfcför att skapa kategoriförutsägelser på testmängdenX_test. - Skapa en förvirringsmatris med
sklearn. - Skriv ut värdet från
cmsom representerar de faktiska 1:orna som predikterades som 1:or (sanna positiva).
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
from sklearn.metrics import ____
# Create predictions
test_predictions = rfc.____(____)
# Create and print the confusion matrix
cm = ____(____, ____)
print(cm)
# Print the true positives (actual 1s that were predicted 1s)
print("The number of true positives is: {}".format(cm[____, ____]))