1. Nauka
    2. /
  2. Kursy
    3. /
  3. Metody zespołowe w Pythonie
Connected

ćwiczenie

Przewidywanie jadalności grzybów

Teraz, gdy zapoznałeś się z danymi, czas zbudować pierwszy model do przewidywania jadalności grzybów.

Zbiór danych jest dostępny jako mushrooms. Ponieważ zarówno cechy, jak i zmienna docelowa mają charakter kategoryczny, zostały one za ciebie przekształcone w binarne zmienne „dummy".

Zacznijmy od Naive Bayes (z użyciem GaussianNB z biblioteki scikit-learn) i sprawdźmy, jak ten algorytm poradzi sobie z tym problemem.

Instrukcje

100 XP
  • Utwórz instancję klasyfikatora GaussianNB o nazwie clf_nb.
  • Dopasuj clf_nb do danych treningowych X_train i y_train.
  • Oblicz predykcje na zbiorze testowym. Zostaną one wykorzystane do oceny skuteczności modelu za pomocą miary dokładności (accuracy score).