Ajuster et tester le modèle

Dans l’exercice précédent, vous avez séparé le jeu de données en X_train, X_test, y_train et y_test. Ces jeux de données ont été préchargés pour vous. Vous allez maintenant créer un classificateur à vecteurs de support (SVC()) et l’ajuster sur les données d’entraînement. Vous calculerez ensuite la précision à la fois sur les ensembles de test et d’entraînement pour détecter un surapprentissage.

Cet exercice fait partie du cours

Réduction de dimension en Python

Afficher le cours

Instructions

Importez SVC depuis sklearn.svm et accuracy_score depuis sklearn.metrics.
Créez une instance de la classe Support Vector Classification (SVC()).
Ajustez le modèle sur les données d’entraînement.
Calculez les scores de précision sur les données d’entraînement et de test.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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")

Modifier et exécuter le code