Sử dụng kết quả tốt nhất
Phân tích kết quả grid search rất thú vị, nhưng mục tiêu cuối cùng của chúng ta mang tính thực tiễn: bạn muốn tạo dự đoán trên tập kiểm tra bằng estimator object.
Bạn có thể truy cập đối tượng này qua thuộc tính best_estimator_ của đối tượng grid search.
Hãy xem bên trong thuộc tính best_estimator_, tạo dự đoán và sinh điểm đánh giá. Đầu tiên, chúng ta sẽ dùng predict mặc định (trả về nhãn lớp), nhưng sau đó bạn cần dùng predict_proba thay vì predict để tính điểm roc-auc vì roc-auc cần xác suất để tính toán. Dùng lát cắt [:,1] để lấy xác suất của lớp dương.
Bạn có sẵn các tập dữ liệu X_test và y_test để sử dụng, cùng với đối tượng grid_rf_class từ các bài trước.
Bài tập này là một phần của khóa học
Tinh chỉnh siêu tham số trong Python
Hướng dẫn bài tập
- Kiểm tra kiểu của thuộc tính
best_estimator_. - Dùng thuộc tính
best_estimator_để dự đoán trên tập kiểm tra. - Tạo ma trận nhầm lẫn và điểm ROC_AUC từ các dự đoán.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# See what type of object the best_estimator_ property is
print(____(____.____))
# Create an array of predictions directly using the best_estimator_ property
predictions = grid_rf_class.____._____(X_test)
# Take a look to confirm it worked, this should be an array of 1's and 0's
print(predictions[0:5])
# Now create a confusion matrix
print("Confusion Matrix \n", confusion_matrix(y_test, ______))
# Get the ROC-AUC score
predictions_proba = grid_rf_class.best_estimator_.predict_proba(X_test)[:,1]
print("ROC-AUC Score \n", roc_auc_score(y_test, _____))