Tính precision và recall
Tiểu mô-đun sklearn.metrics có nhiều hàm giúp bạn dễ dàng tính các chỉ số hữu ích. Đến giờ, bạn đã tự tính precision và recall bằng tay — điều này quan trọng khi bạn đang xây dựng trực giác cho hai chỉ số này.
Trong thực tế, khi đã hiểu, bạn có thể dùng các hàm precision_score và recall_score để tự động tính precision và recall. Cả hai hoạt động tương tự các hàm khác trong sklearn.metrics — chúng nhận 2 đối số: đầu tiên là nhãn thực tế (y_test), và thứ hai là nhãn dự đoán (y_pred).
Bây giờ, hãy thử tỷ lệ dữ liệu huấn luyện là 90%.
Bài tập này là một phần của khóa học
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import train_test_split
from sklearn.model_selection import train_test_split
# Create feature variable
X = telco.drop('Churn', axis=1)
# Create target variable
y = telco['Churn']
# Create training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1)
# Import RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
# Instantiate the classifier
clf = RandomForestClassifier()
# Fit to the training data
clf.fit(X_train, y_train)
# Predict the labels of the test set
y_pred = clf.predict(X_test)
# Import precision_score