Предсказание съедобности грибов

Теперь, когда вы изучили данные, пришло время построить первую модель для предсказания съедобности грибов.

Набор данных доступен вам как mushrooms. Поскольку и признаки, и целевая переменная являются категориальными, они уже преобразованы в «фиктивные» бинарные переменные.

Начнём с наивного байесовского классификатора (с использованием GaussianNB из scikit-learn) и оценим, как этот алгоритм справляется с задачей.

Это упражнение является частью курса

Ансамблевые методы в Python

Посмотреть курс

Инструкции к упражнению

Создайте экземпляр классификатора GaussianNB с именем clf_nb.
Обучите clf_nb на обучающих данных X_train и y_train.
Вычислите предсказания на тестовой выборке. Они будут использованы для оценки качества модели с помощью метрики accuracy.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Instantiate a Naive Bayes classifier
clf_nb = ____

# 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)))

Редактировать и запускать код