きのこのためのK近傍法
Gaussian Naive Bayes は初期モデルとしてとても良い結果を出しました。次は、この Naive Bayes と比較するために新しいモデルを構築してみましょう。
ここでは、5-近傍法の分類器を使います。ダミー特徴量により高次元のデータセットになっているので、計算を高速化するために Ball Tree アルゴリズムを使用してください。このモデルの性能を確認しましょう！
この演習はコースの一部です
Pythonで学ぶアンサンブル手法
演習の手順
- 近傍数を
5、algorithm = 'ball_tree'（処理を高速化）としてKNeighborsClassifierを構築します。 - 学習データにモデルを適合させます。
- テストデータに対して正解率で性能を評価します。
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。
# 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)))