เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

คะแนน OOB เทียบกับคะแนนชุดทดสอบ

เมื่อสร้าง bc แล้ว ขั้นตอนต่อไปคือ fit โมเดลกับชุดฝึก จากนั้นประเมินความแม่นยำบนชุดทดสอบและ OOB

ชุดข้อมูลได้รับการเตรียมไว้ให้แล้ว โดยแบ่งเป็นชุดฝึก 80% และชุดทดสอบ 20% เมทริกซ์ฟีเจอร์ X_train และ X_test รวมถึงอาร์เรย์ของป้ายกำกับ y_train และ y_test พร้อมใช้งานใน workspace นอกจากนี้ ยังมี classifier bc ที่สร้างไว้ในแบบฝึกหัดก่อนหน้า และฟังก์ชัน accuracy_score() จาก sklearn.metrics โหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Fit bc กับชุดฝึก แล้วทำนายป้ายกำกับของชุดทดสอบ จากนั้นกำหนดผลลัพธ์ให้กับ y_pred

  • ประเมินความแม่นยำของชุดทดสอบ acc_test โดยเรียกใช้ accuracy_score

  • ประเมินความแม่นยำ OOB ของ bc ในตัวแปร acc_oob โดยดึงค่าจาก attribute oob_score_ ของ bc

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด