評估分類樹
現在你已經訓練了第一棵分類樹，接下來要在測試集上評估它的表現。你會使用準確率這個指標，也就是模型在測試集中做對的預測所佔的比例。
先前練習中訓練好的模型 dt 已載入到你的工作環境，另外還有測試集的特徵矩陣 X_test 與標籤陣列 y_test。
本練習屬於課程
Machine Learning with Tree-Based Models in Python
練習說明
從
sklearn.metrics匯入函式accuracy_score。預測測試集的標籤，並將得到的陣列指定給
y_pred。透過呼叫
accuracy_score()評估dt的測試集準確率，並將結果指定給acc。
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。
# Import accuracy_score
from ____.____ import ____
# Predict test set labels
y_pred = ____.____(____)
# Compute test set accuracy
acc = ____(____, ____)
print("Test set accuracy: {:.2f}".format(acc))