K-nearest neighbors voor paddenstoelen

De Gaussian Naive Bayes-classifier deed het verrassend goed als startmodel. Laten we nu een nieuw model bouwen om het te vergelijken met Naive Bayes.

In dit geval gebruiken we een 5-nearest neighbors-classifier. Omdat de dummyfeatures een hoog-dimensionale gegevensset opleveren, gebruik je het Ball Tree-algoritme om het model sneller te maken. Kijken hoe dit model presteert!

Deze oefening maakt deel uit van de cursus

Ensemblemethoden in Python

Cursus bekijken

Oefeninstructies

Bouw een KNeighborsClassifier met 5 neighbors en algorithm = 'ball_tree' (om de verwerking te versnellen).
Train het model op de trainingsdata.
Evalueer de prestaties op de testset met de accuracy score.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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)))

Code bewerken en uitvoeren