评估单个分类器

在本练习中，您将评估上一练习中列表 classifiers 内各模型的表现。方法是：将每个分类器拟合在训练集上，并评估其在测试集上的准确率。

数据集已为您加载并完成预处理（数值特征已标准化），并按 70% 训练、30% 测试进行切分。特征矩阵 X_train 与 X_test，以及标签数组 y_train 与 y_test 已在您的工作区中可用。此外，我们已从上一练习中加载列表 classifiers，并从 sklearn.metrics 导入了函数 accuracy_score()。

本练习是课程的一部分

Python 树模型机器学习

查看课程

练习说明

遍历 classifiers 中的各个元组。使用 clf_name 和 clf 作为 for 循环变量：
- 将 clf 拟合到训练集。
- 预测 clf 的测试集标签，并将结果赋给 y_pred。
- 评估 clf 的测试集准确率并打印结果。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Iterate over the pre-defined list of classifiers
for clf_name, clf in ____:    
 
    # Fit clf to the training set
    ____.____(____, ____)    
   
    # Predict y_pred
    y_pred = ____.____(____)
    
    # Calculate accuracy
    accuracy = ____(____, ____) 
   
    # Evaluate clf's accuracy on the test set
    print('{:s} : {:.3f}'.format(clf_name, accuracy))

编辑并运行代码