K-nearest neighbors per i funghi
Il classificatore Gaussian Naive Bayes ha fatto davvero un ottimo lavoro come modello iniziale. Costruiamo ora un nuovo modello per confrontarlo con Naive Bayes.
In questo caso, l'algoritmo da usare è un classificatore 5-nearest neighbors. Poiché le variabili fittizie creano un insieme di dati ad alta dimensionalità, usa l'algoritmo Ball Tree per rendere il modello più rapido. Vediamo come si comporta questo modello!
Questo esercizio fa parte del corso
Metodi Ensemble in Python
Istruzioni dell'esercizio
- Crea un
KNeighborsClassifiercon5vicini ealgorithm = 'ball_tree'(per velocizzare l'elaborazione). - Addestra il modello sui dati di training.
- Valuta le prestazioni sul set di test usando l'accuracy score.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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)))