K-nejbližší sousedé pro houby
Gaussovský Naive Bayes klasifikátor odvedl jako úvodní model opravdu dobrou práci. Teď postavíme nový model a porovnáme ho s Naive Bayes.
Tentokrát použijeme klasifikátor 5 nejbližších sousedů. Protože dummy příznaky vytvářejí vysoce dimenzionální dataset, použij algoritmus Ball Tree, který celý výpočet urychlí. Podívejme se, jak si tento model povede!
Toto cvičení je součástí kurzu
Ensemble Methods in Python
Pokyny k cvičení
- Vytvoř
KNeighborsClassifiers5sousedy a parametremalgorithm = 'ball_tree'(pro urychlení zpracování). - Natrénuj model na trénovacích datech.
- Vyhodnoť výkon na testovací sadě pomocí skóre přesnosti.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Instantiate a 5-nearest neighbors classifier with 'ball_tree' algorithm
clf_knn = ____(____, ____)
# 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)))