Порог за замовчуванням
Ви хочете переконатися, що DecisionTreeClassifier() використовує той самий поріг класифікації за замовчуванням, що згадувався в попередньому уроці, а саме 0,5. Вам здається дивним, що всі класифікатори мали б використовувати однаковий поріг. Перевірмо! Навчений дерево-рішень класифікатор clf уже завантажено для вас, як і тренувальні та тестові дані з їхніми звичними назвами: X_train, X_test, y_train і y_test. Вам потрібно буде отримати ймовірнісні оцінки з класифікатора за допомогою методу .predict_proba().
Ця вправа є частиною курсу
Проєктування робочих процесів машинного навчання в Python
Інструкції до вправи
- Згенеруйте оцінки для тестових прикладів, використовуючи попередньо завантажений класифікатор
clf. - Тепер отримайте мітки з цих оцінок. Пам'ятайте, що для кожного прикладу є пара оцінок, а не одна, і другий елемент — це ймовірність позитивного класу.
- Тепер промаркуйте тестові дані стандартним методом
.predict(). - Нарешті, порівняйте з попередніми передбаченнями. Вони ідентичні?
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Score the test data using the given classifier
scores = clf.____(____)
# Get labels from the scores using the default threshold
preds = [s[____] > ____ for s in scores]
# Use the predict method to label the test data again
preds_default = clf.____(____)
# Compare the two sets of predictions
____(preds == preds_default)