分类预测
在模型验证中，了解预测结果本身之外的更多信息通常很重要。比如预测哪支队会赢时，人们也关心球队获胜的「可能性有多大」。
| 概率 | 预测值 | 含义 |
|---|---|---|
| 0 < .50 | 0 | 球队输 |
| .50 + | 1 | 球队赢 |
在本练习中，您将使用 tic_tac_toe 数据集了解 .predict() 和 .predict_proba() 方法。第一个方法给出「玩家一是否会赢」的分类预测；第二个方法给出「玩家一获胜的概率」。请将 rfc 用作随机森林分类模型。
本练习是课程的一部分
Python 中的模型验证
练习说明
- 创建两个预测数组：一个用于分类结果，另一个用于预测概率。
- 对 pandas Series 使用
.value_counts()方法，打印每个类别被分配的观测数。 - 打印
probability_predictions的第 1 个观测，查看概率的组织结构。
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 the rfc model.
rfc.fit(X_train, y_train)
# Create arrays of predictions
classification_predictions = rfc.____(X_test)
probability_predictions = rfc.____(X_test)
# Print out count of binary predictions
print(pd.Series(____).____())
# Print the first value from probability_predictions
print('The first predicted probabilities are: {}'.format(____[____]))