Entropy 與 Gini 指標比較
在這個練習中，你要比較 dt_entropy 的測試集正確率，和另一棵名為 dt_gini 的樹的正確率。dt_gini 使用相同的資料集與參數訓練，但資訊準則改為使用關鍵字 'gini' 設定的 Gini 指標。
X_test、y_test、dt_entropy，以及代表 dt_gini 在測試集上所達成正確率的 accuracy_gini 都已提供在你的工作環境中。
本練習屬於課程
Machine Learning with Tree-Based Models in Python
練習說明
- 從
sklearn.metrics匯入accuracy_score。 - 對
dt_entropy的測試集做標籤預測，將結果指定給y_pred。 - 評估
dt_entropy在測試集上的正確率，將結果指定給accuracy_entropy。 - 檢視
accuracy_entropy與accuracy_gini。
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 sklearn.metrics
from ____.____ import ____
# Use dt_entropy to predict test set labels
____= ____.____(____)
# Evaluate accuracy_entropy
accuracy_entropy = ____(____, ____)
# Print accuracy_entropy
print(f'Accuracy achieved by using entropy: {accuracy_entropy:.3f}')
# Print accuracy_gini
print(f'Accuracy achieved by using the gini index: {accuracy_gini:.3f}')