K-nearest neighbors para cogumelos
O classificador Gaussian Naive Bayes foi muito bem como modelo inicial. Agora, vamos construir um novo modelo para compará-lo ao Naive Bayes.
Neste caso, o algoritmo a usar é um classificador de 5 vizinhos mais próximos. Como os recursos fictícios criam um conjunto de dados de alta dimensionalidade, use o algoritmo Ball Tree para deixar o modelo mais rápido. Vamos ver como este modelo se sai!
Este exercício faz parte do curso
Métodos de Ensemble em Python
Instruções do exercício
- Construa um
KNeighborsClassifiercom5vizinhos ealgorithm = 'ball_tree'(para acelerar o processamento). - Ajuste o modelo aos dados de treino.
- Avalie o desempenho no conjunto de teste usando a acurácia.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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)))