Precision vs. Recall
用于评估模型的准确性度量应当始终基于具体应用而定。这个例子中，假设您在玩井字棋时，只要确信自己会赢，就特别不想输。
在 precision 和 recall 之间选择最合适的准确性度量来完成这个示例。记住：如果您觉得要赢，那就一定要赢！
请使用 rfc，它是在 tic_tac_toe 数据集上训练的随机森林分类模型。
本练习是课程的一部分
Python 中的模型验证
练习说明
- 从
sklearn导入 precision 或 recall 指标。在当前语境下，只有一种方法是正确的。 - 使用
y_test作为真实值、test_predictions作为预测值，计算所选的 precision 或 recall。 - 打印基于您所选指标得到的最终分数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
from sklearn.metrics import ____
test_predictions = rfc.predict(X_test)
# Create precision or recall score based on the metric you imported
score = ____(____, ____)
# Print the final result
print("The ____ value is {0:.2f}".format(____))