Dokładność po redukcji wymiarowości
Teraz zredukujesz przetrenowanie modelu za pomocą redukcji wymiarowości. W tym przypadku zastosujesz dość radykalną jej formę – wybierzesz tylko jedną kolumnę, która dobrze rozróżnia płeć. Powtórzysz podział na zbiory treningowy i testowy, dopasowanie modelu oraz generowanie przewidywań, aby porównać dokładność na danych treningowych i testowych.
Wszystkie potrzebne biblioteki oraz zmienna y zostały wcześniej wczytane.
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w Pythonie
Instrukcje do ćwiczenia
- Wybierz z
ansur_dftylko kolumnę obwodu szyi ('neckcircumferencebase'). - Podziel dane, utwórz klasyfikator i dopasuj model. Ten krok został już wykonany.
- Oblicz ponownie wyniki dokładności na zbiorze treningowym i testowym.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Assign just the 'neckcircumferencebase' column from ansur_df to X
X = ansur_df[[____]]
# Split the data, instantiate a classifier and fit the data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
svc = SVC()
svc.fit(X_train, y_train)
# 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")