Entropy 与 Gini 指数对比
在本练习中，您将比较 dt_entropy 在测试集上的准确率与另一棵名为 dt_gini 的树的准确率。dt_gini 在相同的数据集上训练，参数也相同，唯一不同的是信息准则设置为了 Gini 指数（通过关键字 'gini'）。
X_test、y_test、dt_entropy，以及对应 dt_gini 在测试集上准确率的 accuracy_gini 已在您的工作区中提供。
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accuracy_score。 - 预测
dt_entropy的测试集标签，并将结果赋给y_pred。 - 评估
dt_entropy在测试集上的准确率，并将结果赋给accuracy_entropy。 - 查看
accuracy_entropy和accuracy_gini。
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 sklearn.metrics
from ____.____ import ____
# Use dt_entropy to predict test set labels
____= ____.____(____)
# Evaluate accuracy_entropy
accuracy_entropy = ____(____, ____)
# Print accuracy_entropy
print(f'Accuracy achieved by using entropy: {accuracy_entropy:.3f}')
# Print accuracy_gini
print(f'Accuracy achieved by using the gini index: {accuracy_gini:.3f}')