K najbliższych sąsiadów dla grzybów

Gaussowski klasyfikator Naiwnego Bayesa sprawdził się całkiem nieźle jak na model bazowy. Zbudujmy teraz nowy model i porównajmy go z Naiwnym Bayesem.

Tym razem użyjemy klasyfikatora 5 najbliższych sąsiadów. Ponieważ cechy zakodowane jako dummy tworzą zbiór danych o wysokiej wymiarowości, zastosuj algorytm Ball Tree, aby przyspieszyć działanie modelu. Sprawdźmy, jak sobie poradzi!

To ćwiczenie jest częścią kursu

Metody zespołowe w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zbuduj KNeighborsClassifier z 5 sąsiadami i parametrem algorithm = 'ball_tree' (aby przyspieszyć przetwarzanie).
Dopasuj model do danych treningowych.
Oceń jego wydajność na zbiorze testowym, korzystając z dokładności (accuracy score).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)))

Edytuj i uruchom kod