K-nearest neighbors para setas
El clasificador Gaussian Naive Bayes lo hizo muy bien para ser un modelo inicial. Ahora construyamos un nuevo modelo para compararlo con Naive Bayes.
En este caso, el algoritmo a usar es un clasificador de 5 vecinos más cercanos. Como las variables ficticias crean un conjunto de datos de alta dimensionalidad, usa el algoritmo Ball Tree para acelerar el modelo. ¡Veamos cómo rinde este modelo!
Este ejercicio forma parte del curso
Ensemble Methods in Python
Instrucciones del ejercicio
- Construye un
KNeighborsClassifiercon5vecinos yalgorithm = 'ball_tree'(para agilizar el procesamiento). - Ajusta el modelo a los datos de entrenamiento.
- Evalúa el rendimiento en el conjunto de prueba usando la exactitud (accuracy).
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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)))