Predecir la comestibilidad de setas

Ahora que ya has explorado los datos, es momento de crear un primer modelo para predecir la comestibilidad de las setas.

Tienes el conjunto de datos disponible como mushrooms. Como tanto las variables predictoras como el objetivo son categóricos, ya se han transformado en variables binarias "dummy" para ti.

Empecemos con Naive Bayes (usando GaussianNB de scikit-learn) y veamos cómo se comporta este algoritmo en este problema.

Este ejercicio forma parte del curso

Ensemble Methods in Python

Ver curso

Instrucciones del ejercicio

Instancia un clasificador GaussianNB llamado clf_nb.
Ajusta clf_nb a los datos de entrenamiento X_train y y_train.
Calcula las predicciones sobre el conjunto de prueba. Estas predicciones se usarán para evaluar el rendimiento con la métrica de accuracy.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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)))

Editar y ejecutar código