评估糖尿病预测分类器
在本章中，您将继续使用前面介绍的 diabetes_df 数据集。
目标是基于体质指数（BMI）和年龄（单位为年）这两个特征，预测每位个体是否可能患有糖尿病。因此，这是一个二元分类问题。目标值为 0 表示该个体没有糖尿病，值为 1 表示该个体有糖尿病。
diabetes_df 已为您预先加载为一个 pandas DataFrame，并已拆分为 X_train、X_test、y_train 和 y_test。此外，已实例化一个 KNeighborsClassifier() 并赋值给 knn。
您将拟合模型，在测试集上进行预测，然后生成混淆矩阵和分类报告。
本练习是课程的一部分
使用 scikit-learn 的监督学习
练习说明
- 导入
confusion_matrix和classification_report。 - 将模型拟合到训练数据。
- 预测测试集的标签，并将结果保存为
y_pred。 - 计算并打印测试标签与预测标签的混淆矩阵和分类报告。
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 confusion matrix
____
knn = KNeighborsClassifier(n_neighbors=6)
# Fit the model to the training data
____
# Predict the labels of the test data: y_pred
y_pred = ____
# Generate the confusion matrix and classification report
print(____(____, ____))
print(____(____, ____))