評估各個分類器

在這個練習中，你要評估前一題中我們定義於清單 classifiers 的各個模型效能。作法是把每個分類器在訓練集上進行訓練，並評估其在測試集上的正確率。

資料集已為你載入並完成前處理（數值型特徵已標準化），且已分割為 70% 訓練與 30% 測試。特徵矩陣 X_train 與 X_test，以及標籤陣列 y_train 與 y_test 已可在你的工作環境中使用。此外，我們也已從前一題載入清單 classifiers，並從 sklearn.metrics 載入函式 accuracy_score()。

本練習屬於課程

Machine Learning with Tree-Based Models in Python

檢視課程

練習說明

逐一迭代 classifiers 中的 tuple。於 for 迴圈中使用 clf_name 與 clf 作為變數：
- 將 clf 擬合到訓練集。
- 預測 clf 的測試集標籤，並將結果指定給 y_pred。
- 評估 clf 的測試集正確率並印出結果。

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。

# Iterate over the pre-defined list of classifiers
for clf_name, clf in ____:    
 
    # Fit clf to the training set
    ____.____(____, ____)    
   
    # Predict y_pred
    y_pred = ____.____(____)
    
    # Calculate accuracy
    accuracy = ____(____, ____) 
   
    # Evaluate clf's accuracy on the test set
    print('{:s} : {:.3f}'.format(clf_name, accuracy))

編輯並執行程式碼