評估 Bagging 的效能
既然你已經建立了 bagging 分類器，接下來就來訓練它並評估在測試集上的準確率。
Indian Liver Patient 資料集已為你前處理完畢，並切分為 80% 訓練與 20% 測試。特徵矩陣 X_train 與 X_test，以及標籤陣列 y_train 與 y_test 都已在你的工作環境中可用。此外，我們也已載入你在上一個練習中建立的 bagging 分類器 bc，以及來自 sklearn.metrics 的函式 accuracy_score()。
本練習屬於課程
Machine Learning with Tree-Based Models in Python
練習說明
將
bc訓練在訓練集上。預測測試集的標籤，並將結果指定給
y_pred。求出
bc的測試集準確率。
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。
# Fit bc to the training set
____.____(____, ____)
# Predict test set labels
y_pred = ____.____(____)
# Evaluate acc_test
acc_test = ____(____, ____)
print('Test set accuracy of bc: {:.2f}'.format(acc_test))