計算 precision 與 recall
sklearn.metrics 子模組提供許多函式，能輕鬆計算各種有用的評估指標。到目前為止，你已經手動計算過 precision 與 recall——在培養這兩個指標的直覺時，這非常重要。
在實務上，一旦建立起直覺，你就可以使用 precision_score 與 recall_score 這兩個函式，分別自動計算 precision 與 recall。它們的使用方式與 sklearn.metrics 中其他函式相似——都需要 2 個引數：第一個是實際標籤（y_test），第二個是預測標籤（y_pred）。
現在我們來嘗試 90% 的訓練資料比例。
本練習屬於課程
行銷分析：用 Python 預測客戶流失
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 train_test_split
from sklearn.model_selection import train_test_split
# Create feature variable
X = telco.drop('Churn', axis=1)
# Create target variable
y = telco['Churn']
# Create training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1)
# Import RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
# Instantiate the classifier
clf = RandomForestClassifier()
# Fit to the training data
clf.fit(X_train, y_train)
# Predict the labels of the test set
y_pred = clf.predict(X_test)
# Import precision_score