K-Nearest Neighbors für Pilze
Der Gaussian-Naive-Bayes-Klassifikator hat als erstes Modell wirklich gute Arbeit geleistet. Lass uns nun ein neues Modell bauen, um es mit Naive Bayes zu vergleichen.
In diesem Fall verwenden wir einen 5-Nearest-Neighbors-Klassifikator. Da die Dummy-Features einen hochdimensionalen Datensatz erzeugen, nutze den Ball Tree-Algorithmus, um das Modell zu beschleunigen. Schauen wir, wie dieses Modell abschneidet!
Diese Übung ist Teil des Kurses
Ensemble-Methoden in Python
Anleitung zur Übung
- Erstelle einen
KNeighborsClassifiermit5Nachbarn undalgorithm = 'ball_tree'(um die Verarbeitung zu beschleunigen). - Trainiere das Modell auf den Trainingsdaten.
- Bewerte die Leistung auf dem Testset mit dem Accuracy-Score.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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)))