Essbarkeit von Pilzen vorhersagen

Nachdem du die Daten erkundet hast, ist es Zeit, ein erstes Modell zu bauen, das die Essbarkeit von Pilzen vorhersagt.

Der Datensatz steht dir als mushrooms zur Verfügung. Da sowohl die Features als auch das Ziel kategorisch sind, wurden sie für dich in „Dummy“-binärvariablen umgewandelt.

Lass uns mit Naive Bayes starten (mit scikit-learn’s GaussianNB) und sehen, wie sich dieser Algorithmus bei diesem Problem schlägt.

Diese Übung ist Teil des Kurses

Ensemble-Methoden in Python

Kurs anzeigen

Anleitung zur Übung

Instanziiere einen GaussianNB-Klassifikator namens clf_nb.
Fitte clf_nb auf die Trainingsdaten X_train und y_train.
Berechne die Vorhersagen auf dem Test-Set. Diese Vorhersagen werden verwendet, um die Leistung mit dem Accuracy-Score zu bewerten.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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)))

Code bearbeiten und ausführen