Precision ve recall
Modelini değerlendirirken kullanacağın doğruluk metrikleri her zaman belirli uygulamaya göre seçilmelidir. Bu örnekte, X-O oynarken yalnızca kazanacağından emin olduğunda çok kötü bir kaybeden olduğunu varsayalım.
Bu örneği tamamlamak için en uygun doğruluk metriğini, precision veya recall arasından seç. Ama unutma, kazanacağını düşünüyorsan gerçekten kazanmalısın!
tic_tac_toe veri kümesi üzerinde kurulmuş bir rastgele orman sınıflandırma modeli olan rfc'yi kullan.
Bu egzersiz, kursun bir parçasıdır
Python'da Model Doğrulama
Egzersiz talimatları
sklearniçin precision ya da recall metriğini içe aktar. Verilen bağlam için yalnızca bir yöntem doğrudur.- Doğru değerler için
y_testi, tahminler içintest_predictionsı kullanarak precision veya recall hesapla. - Seçtiğin metrik temelinde son skoru yazdır.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
from sklearn.metrics import ____
test_predictions = rfc.predict(X_test)
# Create precision or recall score based on the metric you imported
score = ____(____, ____)
# Print the final result
print("The ____ value is {0:.2f}".format(____))