การคำนวณความแม่นยำ

หลังจากแบ่งข้อมูลออกเป็นชุดฝึกและชุดทดสอบแล้ว ขั้นตอนต่อไปคือนำโมเดลไป fit กับข้อมูล ฝึก แล้วจึงทำนายป้ายกำกับของข้อมูล ทดสอบ ซึ่งเป็นสิ่งที่จะได้ฝึกทำในแบบฝึกหัดนี้

ที่ผ่านมาได้ใช้ Logistic Regression และ Decision Tree กันไปแล้ว คราวนี้จะใช้ RandomForestClassifier ซึ่งสามารถมองได้ว่าเป็นการรวม Decision Tree หลายต้นเข้าด้วยกัน และโดยทั่วไปให้ผลลัพธ์ที่ดีกว่า Decision Tree ต้นเดียว

ผลลัพธ์จากแบบฝึกหัดก่อนหน้าถูกนำมาใช้ต่อเนื่อง โดยชุดฝึกและชุดทดสอบพร้อมใช้งานในตัวแปร X_train, X_test, y_train และ y_test

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Marketing Analytics: การพยากรณ์การเลิกใช้บริการของลูกค้าด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

Import RandomForestClassifier จาก sklearn.ensemble
สร้าง RandomForestClassifier และกำหนดให้เป็น clf
นำ clf ไป fit กับข้อมูลฝึก ได้แก่ X_train และ y_train
คำนวณความแม่นยำของ clf บนข้อมูลทดสอบโดยใช้เมธอด .score()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import RandomForestClassifier


# Instantiate the classifier
clf = ____

# Fit to the training data


# Compute accuracy
print(____.____(____, ____))

แก้ไขและรันโค้ด