计算精确率与召回率
sklearn.metrics 子模块提供了许多函数，便于您计算各类指标。到目前为止，您一直手动计算精确率和召回率——这在培养对这两个指标的直觉时非常重要。
在实际工作中，一旦建立直觉，您就可以使用 precision_score 和 recall_score 函数分别自动计算精确率和召回率。两者的用法与 sklearn.metrics 中的其他函数类似——都接收 2 个参数：第 1 个是真实标签（y_test），第 2 个是预测标签（y_pred）。
现在我们来尝试 90% 的训练集大小。
本练习是课程的一部分
营销分析：用 Python 预测客户流失
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 train_test_split
from sklearn.model_selection import train_test_split
# Create feature variable
X = telco.drop('Churn', axis=1)
# Create target variable
y = telco['Churn']
# Create training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1)
# Import RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
# Instantiate the classifier
clf = RandomForestClassifier()
# Fit to the training data
clf.fit(X_train, y_train)
# Predict the labels of the test set
y_pred = clf.predict(X_test)
# Import precision_score