모델 학습과 성능 테스트

이전 연습 문제에서 데이터셋을 X_train, X_test, y_train, y_test로 분할했어요. 이 데이터셋들은 미리 로드되어 있어요. 이제 Support Vector Machine 분류기 모델(SVC())을 생성해 학습 데이터에 맞춰 보세요. 그런 다음 테스트 세트와 학습 세트 모두에 대해 정확도를 계산해 과적합 여부를 확인해요.

이 연습은 강의의 일부입니다

Python으로 배우는 차원 축소

강의 보기

연습 안내

sklearn.svm에서 SVC를, sklearn.metrics에서 accuracy_score를 임포트하세요.
Support Vector Classification 클래스의 인스턴스(SVC())를 생성하세요.
모델을 학습 데이터에 맞춰 학습(fit)하세요.
학습 데이터와 테스트 데이터 모두에 대해 정확도를 계산하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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")

코드 편집 및 실행