Обучение и тестирование модели

В предыдущем упражнении вы разбили набор данных на X_train, X_test, y_train и y_test. Эти наборы данных уже загружены для вас. Теперь вы создадите классификатор на основе метода опорных векторов (SVC()) и обучите его на тренировочных данных. Затем вы вычислите точность на тестовой и обучающей выборках, чтобы выявить переобучение.

Это упражнение является частью курса

Снижение размерности в Python

Посмотреть курс

Инструкции к упражнению

Импортируйте SVC из sklearn.svm и accuracy_score из sklearn.metrics.
Создайте экземпляр класса метода опорных векторов (SVC()).
Обучите модель на тренировочных данных.
Вычислите значения точности для обучающей и тестовой выборок.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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")

Редактировать и запускать код