Melatih dan menguji model

Pada latihan sebelumnya, Anda membagi himpunan data menjadi X_train, X_test, y_train, dan y_test. Himpunan data ini telah dimuat untuk Anda. Sekarang Anda akan membuat model pengklasifikasi support vector machine (SVC()) dan melatihnya pada data latih. Kemudian Anda akan menghitung akurasi pada set uji dan latih untuk mendeteksi overfitting.

Latihan ini adalah bagian dari kursus

Pengurangan Dimensi dengan Python

Lihat Kursus

Petunjuk latihan

Impor SVC dari sklearn.svm dan accuracy_score dari sklearn.metrics
Buat sebuah instance dari kelas Support Vector Classification (SVC()).
Latih model pada data latih.
Hitung skor akurasi pada data latih dan uji.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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")

Edit dan Jalankan Kode