Addestrare e testare il modello

Nel precedente esercizio, hai suddiviso l'insieme di dati in X_train, X_test, y_train e y_test. Questi insiemi sono già stati caricati per te. Ora creerai un modello classificatore a macchine a vettori di supporto (SVC()) e lo adatterai ai dati di training. Poi calcolerai l'accuratezza sia sul set di test sia su quello di training per individuare l'overfitting.

Questo esercizio fa parte del corso

Riduzione della dimensionalità in Python

Visualizza il corso

Istruzioni dell'esercizio

Importa SVC da sklearn.svm e accuracy_score da sklearn.metrics
Crea un'istanza della classe Support Vector Classification (SVC()).
Esegui il fit del modello sui dati di training.
Calcola gli accuracy score sia sui dati di training sia su quelli di test.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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")

Modifica ed esegui il codice