शुरू करेंमुफ़्त में शुरू करें

मॉडल फिट करना और टेस्ट करना

पिछले अभ्यास में, आपने डेटासेट को X_train, X_test, y_train, और y_test में विभाजित किया था। ये डेटासेट आपके लिए पहले से लोड हैं। अब आप एक सपोर्ट वेक्टर मशीन क्लासिफायर मॉडल (SVC()) बनाएँगे और उसे ट्रेनिंग डेटा पर फिट करेंगे। फिर आप टेस्ट और ट्रेनिंग दोनों सेट पर accuracy निकालेंगे ताकि overfitting का पता चल सके।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Dimensionality Reduction

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn.svm से SVC और sklearn.metrics से accuracy_score इम्पोर्ट करें।
  • सपोर्ट वेक्टर क्लासिफिकेशन क्लास (SVC()) का एक इंस्टेंस बनाएँ।
  • मॉडल को ट्रेनिंग डेटा पर फिट करें।
  • ट्रेन और टेस्ट दोनों डेटा पर accuracy scores की गणना करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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")
कोड संपादित करें और चलाएँ