Predikce jedlosti hub

Teď, když jsi prozkoumal/a data, je čas sestavit první model pro predikci jedlosti hub.

Dataset máš k dispozici jako mushrooms. Protože jsou jak příznaky, tak cílová proměnná kategorické, byly za tebe převedeny na binární „dummy" proměnné.

Začneme s Naivním Bayesem (pomocí GaussianNB ze scikit-learn: GaussianNB) a podíváme se, jak si tento algoritmus na daném problému povede.

Toto cvičení je součástí kurzu

Ensemble Methods in Python

Zobrazit kurz

Pokyny k cvičení

Vytvoř instanci klasifikátoru GaussianNB s názvem clf_nb.
Natrénuj clf_nb na trénovacích datech X_train a y_train.
Vypočítej predikce na testovací sadě. Tyto predikce budou použity k vyhodnocení výkonu pomocí skóre přesnosti.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Instantiate a Naive Bayes classifier
clf_nb = ____

# Fit the model to the training set
____

# Calculate the predictions on the test set
pred = ____

# Evaluate the performance using the accuracy score
print("Accuracy: {:0.4f}".format(accuracy_score(y_test, pred)))

Upravit a spustit kód