Precision 與 Recall
評估模型時所使用的準確度指標，一定要依實際應用情境來決定。這個例子中，假設你在玩圈叉遊戲（Tic-Tac-Toe）時是個輸不起的人，但前提是你「確定自己會贏」的時候才在意。
請在 precision 與 recall 之間，選出最合適的準確度指標來完成本題。記住，如果你覺得自己會贏，那就一定要贏！
使用 rfc，也就是在 tic_tac_toe 資料集上訓練好的隨機森林分類模型。
本練習屬於課程
Python 的模型驗證
練習說明
- 從
sklearn匯入 precision 或 recall 的指標函式。針對本情境，只有一個方法是正確的。 - 使用
y_test作為真實值，test_predictions作為預測值，計算對應的 precision 或 recall。 - 依你選擇的指標列印最終分數。
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。
from sklearn.metrics import ____
test_predictions = rfc.predict(X_test)
# Create precision or recall score based on the metric you imported
score = ____(____, ____)
# Print the final result
print("The ____ value is {0:.2f}".format(____))