ПочатиПочніть безкоштовно

Ще раз про матриці неточностей

Створити матрицю неточностей у Python просто. Найбільша складність — правильно зрозуміти її орієнтацію. У цій вправі ви переконаєтеся, що розумієте реалізацію матриці неточностей у sklearn. Тут ви створили модель випадкового лісу на наборі tic_tac_toe — rfc, щоб передбачати результати 0 (поразка) або 1 (перемога) для Першого гравця.

Примітка: Якщо ви читаєте про матриці неточностей на іншому сайті або для іншої мови програмування, значення можуть бути розташовані навпаки.

Ця вправа є частиною курсу

Валідація моделей у Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте з sklearn функцію для створення матриць неточностей.
  • Використовуючи модель rfc, створіть категоріальні передбачення на тестовій вибірці X_test.
  • Створіть матрицю неточностей за допомогою sklearn.
  • Виведіть значення з cm, яке відповідає фактичним 1, передбаченим як 1 (істинні спрацювання).

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

from sklearn.metrics import ____

# Create predictions
test_predictions = rfc.____(____)

# Create and print the confusion matrix
cm = ____(____, ____)
print(cm)

# Print the true positives (actual 1s that were predicted 1s)
print("The number of true positives is: {}".format(cm[____, ____]))
Редагувати та запускати код