เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประเมินผล Classification Tree

เมื่อสร้าง Classification Tree ต้นแรกเสร็จแล้ว ถึงเวลาประเมินประสิทธิภาพบนชุดทดสอบ โดยใช้เมตริกความแม่นยำ (accuracy) ซึ่งแสดงสัดส่วนของการพยากรณ์ที่ถูกต้องบนชุดทดสอบ

โมเดลที่ฝึกแล้ว dt จากแบบฝึกหัดก่อนหน้า รวมถึงเมทริกซ์ฟีเจอร์ชุดทดสอบ X_test และอาร์เรย์ป้ายกำกับ y_test ถูกโหลดไว้ใน workspace แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้าฟังก์ชัน accuracy_score จาก sklearn.metrics

  • พยากรณ์ป้ายกำกับของชุดทดสอบ แล้วกำหนดอาร์เรย์ที่ได้ให้กับ y_pred

  • ประเมินคะแนนความแม่นยำของ dt บนชุดทดสอบโดยเรียก accuracy_score() แล้วกำหนดค่าที่ได้ให้กับ acc

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import accuracy_score
from ____.____ import ____

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

# Compute test set accuracy  
acc = ____(____, ____)
print("Test set accuracy: {:.2f}".format(acc))
แก้ไขและรันโค้ด