Doğruluk (accuracy) hesaplama

Verini eğitim ve test kümelerine ayırdıktan sonra, modelini eğitim verisine uydurabilir ve ardından test verisinin etiketlerini tahmin edebilirsin. Bu egzersizde bunu pratik edeceksin.

Şu ana kadar Lojistik Regresyon ve Karar Ağaçlarını kullandın. Burada, genel olarak tek bir Karar Ağacından daha iyi performans gösteren bir Karar Ağaçları topluluğu olarak düşünebileceğin bir RandomForestClassifier kullanacaksın.

Önceki egzersizlerde yaptığın çalışmalar buraya taşındı ve eğitim ile test kümeleri X_train, X_test, y_train ve y_test değişkenlerinde hazır.

Bu egzersiz

Pazarlama Analitiği: Python ile Müşteri Terkini Tahmin Etme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

sklearn.ensemble içinden RandomForestClassifier'ı içe aktar.
clf adıyla bir RandomForestClassifier örneği oluştur.
clf'i eğitim verisine (X_train ve y_train) uydur.
.score() metodunu kullanarak clf'in test verisi üzerindeki doğruluğunu hesapla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import RandomForestClassifier


# Instantiate the classifier
clf = ____

# Fit to the training data


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

Kodu Düzenle ve Çalıştır