モデルの学習と評価
前の演習では、データセットを X_train、X_test、y_train、y_test に分割しました。これらはすでに読み込まれています。
ここでは、サポートベクター分類器（SVC()）を作成し、学習データにフィットさせます。
その後、テストデータと学習データの両方で精度を計算し、過学習の有無を確認します。
この演習はコースの一部です
Pythonで学ぶ次元削減
演習の手順
sklearn.svmからSVC、sklearn.metricsからaccuracy_scoreをインポートします。- サポートベクター分類（
SVC()）のインスタンスを作成します。 - 学習データにモデルをフィットさせます。
- 学習データとテストデータの両方で精度を計算します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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")