评估分类树
现在您已经训练了第一个分类树，是时候在测试集上评估它的表现了。您将使用准确率这一指标，即测试集中预测正确的比例。
上一个练习中训练好的模型 dt 已加载到您的工作区，同时还提供了测试集特征矩阵 X_test 和标签数组 y_test。
本练习是课程的一部分
Python 树模型机器学习
练习说明
从
sklearn.metrics导入函数accuracy_score。预测测试集的标签，并将得到的数组赋给
y_pred。调用
accuracy_score()评估dt在测试集上的准确率分数，并将结果赋给acc。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import accuracy_score
from ____.____ import ____
# Predict test set labels
y_pred = ____.____(____)
# Compute test set accuracy
acc = ____(____, ____)
print("Test set accuracy: {:.2f}".format(acc))