模型对比热身
在本练习中，您将使用混淆矩阵，针对 MLP 和随机森林在四种结果类别上的表现做一次基础对比。这是为后续对本章所有模型的综合分析做准备。完成这个热身练习，能帮助您比较这些模型的实现方式以及它们在 CTR 预测中的评估方法。
在工作区中，X 与 y 已按训练集与测试集划分为 X_train、X_test 和 y_train、y_test。请记住，X 包含我们构造的特征，包括用户、设备与站点信息；而 y 是目标变量（广告是否被点击）。X 已使用 StandardScaler() 进行了缩放。后续广告 CTR 预测模型会采用相同的设置。
本练习是课程的一部分
用 Python 预测 CTR 的机器学习实战
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create the list of models in the order below
names = ['Random Forest', 'Multi-Layer Perceptron']
classifiers = [RandomForestClassifier(),
____(____ = (10, ),
____ = 40)]
# Produce a confusion matrix for all classifiers
for name, classifier in zip(names, classifiers):
print("Evaluating classifier: %s" %(name))
classifier.fit(____, ____)
y_pred = classifier.predict(____)
conf_matrix = confusion_matrix(____, ____)
print(conf_matrix)