Класифікаційні передбачення
Під час валідації моделі часто важливо знати не лише кінцеву класифікацію, а й деталі передбачень. Наприклад, коли прогнозуємо, хто виграє гру, зазвичай цікавить і те, наскільки це ймовірно.
| Імовірність | Передбачення | Значення |
|---|---|---|
| 0 < .50 | 0 | Команда програє |
| .50 + | 1 | Команда виграє |
У цій вправі ви попрацюєте з методами .predict() і .predict_proba() на наборі даних tic_tac_toe. Перший метод повертає передбачення, чи переможе Перший гравець, а другий — імовірність його перемоги. Використовуйте rfc як модель класифікації випадкового лісу.
Ця вправа є частиною курсу
Валідація моделей у Python
Інструкції до вправи
- Створіть два масиви передбачень: один для класів, інший — для передбачених імовірностей.
- Використайте метод
.value_counts()для pandas Series, щоб вивести кількість спостережень у кожному класі. - Виведіть перше спостереження з
probability_predictions, щоб побачити структуру імовірностей.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Fit the rfc model.
rfc.fit(X_train, y_train)
# Create arrays of predictions
classification_predictions = rfc.____(X_test)
probability_predictions = rfc.____(X_test)
# Print out count of binary predictions
print(pd.Series(____).____())
# Print the first value from probability_predictions
print('The first predicted probabilities are: {}'.format(____[____]))