Одной из наиболее распространенных метрик для оценки качества моделей машинного обучение является accuracy. Рассмотрим ее применение на практике: обучим модель решающего дерева, посчитаем значение accuracy на валидационной выборке.
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
data = pd.read_csv('/datasets/travel_insurance_preprocessed.csv')
target = data['Claim']
features = data.drop('Claim', axis=1)
features_train, features_valid, target_train, target_valid = train_test_split(
features, target, test_size=0.25, random_state=12345)
model=DecisionTreeClassifier(random_state=12345)
model.fit(features_train, target_train)
predicted_valid = model.predict(features_valid)
accuracy_valid=accuracy_score(target_valid, predicted_valid)
print(accuracy_valid)