基準線
將分類器與合適的基準線相比非常重要。這在類別不平衡的資料集（例如廣告點擊率）中特別關鍵，因為只要永遠選擇多數類別，就很容易得到很高的 accuracy。這個練習中，你會模擬一個永遠預測多數類別（未點擊）的基準分類器，並查看它的混淆矩陣，以及它的 precision 與 recall。
X_train、y_train、X_test、y_test 已在你的工作區可用。pandas 為 pd、numpy 為 np，以及 sklearn 也都可用。
本練習屬於課程
用 Python 透過機器學習預測 CTR
練習說明
- 使用
np.asarray()建立y_pred，其為與X_test長度相同、元素全為 0 的陣列。 - 印出產生的混淆矩陣。
- 取得 precision 與 recall 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。
# Set up baseline predictions
y_pred = np.____([0 for x in range(len(X_test))])
# Look at confusion matrix
print("Confusion matrix: ")
print(____(y_test, y_pred))
# Check precision and recall
prec = ____(y_test, y_pred, average = 'weighted')
recall = ____(y_test, y_pred, average = 'weighted')
print("Precision: %s, Recall: %s" %(prec, recall))