ПочатиПочніть безкоштовно

Оцінювання чотирьох категорій

Матриця неточностей — це найпростіший інструмент, щоб побачити чотири категорії результатів: справжні позитиви (TP), хибні позитиви (FP), справжні негативи (TN) та хибні негативи (FN). У цій вправі ви використаєте стандартний класифікатор дерева рішень DecisionTreeClassifier() зі sklearn на зразкових даних кліків і обчислите розподіл результатів за цими чотирма категоріями.

Модуль pandas доступний як pd у вашому робочому середовищі, а зразковий датафрейм завантажено як df. Ознаки завантажені в X, ціль — у y для подальшого використання. Додатково доступний DecisionTreeClassifier з sklearn.tree.

Ця вправа є частиною курсу

Прогнозування CTR за допомогою машинного навчання в Python

Переглянути курс

Інструкції до вправи

  • Отримайте тренувальні та тестові підвибірки для X і y.
  • Створіть класифікатор дерева рішень і, навчивши модель, отримайте передбачення y_pred.
  • Скористайтеся матрицею неточностей, щоб визначити кількість випадків у кожній категорії результатів, де 1 — це позитив (клік), а 0 — негатив (без кліку).
  • Наприклад: справжні негативи — це [0,0], а справжні позитиви — це [1,1].

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Set up classifier using training data to predict test data
X_train, X_test, y_train, y_test = ____(
  X, y, test_size = .2, random_state = 0)
clf = ____
y_pred = clf.____(X_train, y_train).____(X_test) 

# Define confusion matrix and four categories
conf_matrix = ____(y_test, y_pred)
tn = conf_matrix[____][____]
fp = conf_matrix[____][____]
fn = conf_matrix[____][____]
tp = conf_matrix[____][____]

print("TN: %s, FP: %s, FN: %s, TP: %s" %(tn, fp, fn, tp))
Редагувати та запускати код