OOB 分数 vs 测试集分数
现在已经实例化了 bc，请将其拟合到训练集，并评估其在测试集和 OOB 上的准确率。
数据集已为您预处理，并按 80% 训练集、20% 测试集拆分。特征矩阵 X_train 和 X_test，以及标签数组 y_train 和 y_test 均已在您的工作区中可用。此外，我们还为您加载了上一个练习中实例化的分类器 bc，以及来自 sklearn.metrics 的函数 accuracy_score()。
本练习是课程的一部分
Python 树模型机器学习
练习说明
将
bc拟合到训练集，预测测试集标签，并将结果赋给y_pred。调用
accuracy_score评估测试集准确率acc_test。通过从
bc中提取属性oob_score_来评估bc的 OOB 准确率acc_oob。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Fit bc to the training set
____.____(____, ____)
# Predict test set labels
y_pred = ____.____(____)
# Evaluate test set accuracy
acc_test = ____(____, ____)
# Evaluate OOB accuracy
acc_oob = ____.____
# Print acc_test and acc_oob
print('Test set accuracy: {:.3f}, OOB accuracy: {:.3f}'.format(acc_test, acc_oob))