預設閾值
你想確認 DecisionTreeClassifier() 是否使用與上一節提到的一樣的預設分類閾值，也就是 0.5。你覺得所有分類器都用相同閾值有點奇怪。來檢查一下吧！我們已經為你預先載入訓練好的決策樹分類器 clf，以及訓練與測試資料，名稱分別為 X_train、X_test、y_train 和 y_test。你需要使用 .predict_proba() 方法，從分類器中取出機率分數。
本練習屬於課程
在 Python 設計機器學習工作流程
練習說明
- 使用預先載入的分類器
clf，為測試樣本產生分數。 - 接著從分數中取出標籤。記得每個樣本都有一對分數，而第二個元素代表正類別的機率。
- 現在用標準的
.predict()方法為測試資料產生標籤。 - 最後，將結果與你先前得到的預測相比。它們是否完全相同？
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Score the test data using the given classifier
scores = clf.____(____)
# Get labels from the scores using the default threshold
preds = [s[____] > ____ for s in scores]
# Use the predict method to label the test data again
preds_default = clf.____(____)
# Compare the two sets of predictions
____(preds == preds_default)