Dopasowywanie i testowanie modelu

W poprzednim ćwiczeniu podzielono zbiór danych na X_train, X_test, y_train i y_test. Te zbiory są już dla ciebie wczytane. Teraz stworzysz model klasyfikatora oparty na maszynie wektorów nośnych (SVC()) i dopasujesz go do danych treningowych. Następnie obliczysz dokładność na zbiorze testowym i treningowym, aby wykryć ewentualne przetrenowanie.

To ćwiczenie jest częścią kursu

Redukcja wymiarowości w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj SVC z sklearn.svm oraz accuracy_score z sklearn.metrics.
Utwórz instancję klasy klasyfikatora wektorów nośnych (SVC()).
Dopasuj model do danych treningowych.
Oblicz wyniki dokładności zarówno dla zbioru treningowego, jak i testowego.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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")

Edytuj i uruchom kod