2. 테스트 데이터로 예측을 수행합니다.
[in :]
y_pred = classifier.predict(X_test)
cm = metrics.confusion_matrix(y_test, y_pred)
cm
혼동 행렬은 다음과 같습니다.
[out:]
array([[64, 4],
[ 3, 29]])
3. 여러 척도를 이용해 모델의 성능을 정량화합니다.
[in :]
accuracy= metrics.accuracy_score(y_test, y_pred)
recall = metrics.recall_score(y_test, y_pred)
precision = metrics.precision_score(y_test, y_pred)
print(accuracy, recall, precision)
결과는 다음과 같습니다.
[out:]
0.93 0.90625 0.8787878787878788
다음은 랜덤 포레스트 알고리즘입니다.