เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประเมิน classifier แต่ละตัว

ในแบบฝึกหัดนี้ จะประเมินประสิทธิภาพของโมเดลใน list classifiers ที่กำหนดไว้ในแบบฝึกหัดที่แล้ว โดยนำ classifier แต่ละตัวไป fit กับชุดฝึกและประเมินความแม่นยำบนชุดทดสอบ

ชุดข้อมูลถูกโหลดและเตรียมไว้ให้แล้ว (features เชิงตัวเลขถูก standardize แล้ว) และแบ่งออกเป็นชุดฝึก 70% และชุดทดสอบ 30% matrix ของ features ได้แก่ X_train และ X_test รวมถึง array ของ label อย่าง y_train และ y_test พร้อมใช้งานใน workspace แล้ว นอกจากนี้ยังได้โหลด list classifiers จากแบบฝึกหัดที่แล้ว และฟังก์ชัน accuracy_score() จาก sklearn.metrics ไว้ให้ด้วย

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • วนซ้ำผ่าน tuple ใน classifiers โดยใช้ clf_name และ clf เป็นตัวแปรของ loop for:
    • นำ clf ไป fit กับชุดฝึก
    • ทำนาย label ของชุดทดสอบด้วย clf แล้วเก็บผลลัพธ์ไว้ใน y_pred
    • ประเมินความแม่นยำบนชุดทดสอบของ clf แล้วแสดงผลลัพธ์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Iterate over the pre-defined list of classifiers
for clf_name, clf in ____:    
 
    # Fit clf to the training set
    ____.____(____, ____)    
   
    # Predict y_pred
    y_pred = ____.____(____)
    
    # Calculate accuracy
    accuracy = ____(____, ____) 
   
    # Evaluate clf's accuracy on the test set
    print('{:s} : {:.3f}'.format(clf_name, accuracy))
แก้ไขและรันโค้ด