Ajustar y evaluar el modelo

En el ejercicio anterior, dividiste el conjunto de datos en X_train, X_test, y_train y y_test. Estos conjuntos ya están precargados. Ahora vas a crear un clasificador de máquinas de vectores de soporte (SVC()) y lo ajustarás con los datos de entrenamiento. Luego calcularás la exactitud tanto en el conjunto de prueba como en el de entrenamiento para detectar sobreajuste.

Este ejercicio forma parte del curso

Reducción de dimensionalidad en Python

Ver curso

Instrucciones del ejercicio

Importa SVC de sklearn.svm y accuracy_score de sklearn.metrics.
Crea una instancia de la clase Support Vector Classification (SVC()).
Ajusta el modelo con los datos de entrenamiento.
Calcula las métricas de exactitud en los datos de entrenamiento y de prueba.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import SVC from sklearn.svm and accuracy_score from sklearn.metrics
from ____ import ____
from ____ import ____

# Create an instance of the Support Vector Classification class
svc = ____

# Fit the model to the training data
svc.fit(____, ____)

# Calculate accuracy scores on both train and test data
accuracy_train = accuracy_score(____, svc.predict(____))
accuracy_test = accuracy_score(____, svc.predict(____))

print(f"{accuracy_test:.1%} accuracy on test set vs. {accuracy_train:.1%} on training set")

Editar y ejecutar código