OOB 分數 vs 測試集分數
現在你已建立 bc，接下來要將它擬合到訓練集，並評估在測試集與 OOB 的準確率。
資料集已經幫你處理好，並以 80% 作為訓練、20% 作為測試。特徵矩陣 X_train 與 X_test，以及標籤陣列 y_train 與 y_test 都已放在你的工作環境中。此外，我們也已為你載入先前練習中建立的分類器 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擬合到訓練集，對測試集產生預測標籤，並把結果指定給y_pred。呼叫
accuracy_score，評估測試集準確率acc_test。取出
bc的屬性oob_score_，評估 OOB 準確率acc_oob。
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 test set accuracy
acc_test = ____(____, ____)
# Evaluate OOB accuracy
acc_oob = ____.____
# Print acc_test and acc_oob
print('Test set accuracy: {:.3f}, OOB accuracy: {:.3f}'.format(acc_test, acc_oob))