Anpassa och testa modellen

I föregående övning delade du upp datamängden i X_train, X_test, y_train och y_test. Dessa datamängder är redan inlästa åt dig. Nu ska du skapa en klassificeringsmodell med stödvektormaskiner (SVC()) och anpassa den till träningsdatan. Därefter beräknar du noggrannheten på både test- och träningsdata för att upptäcka överanpassning.

Den här övningen är en del av kursen

Dimensionsreduktion i Python

Visa kurs

Övningsinstruktioner

Importera SVC från sklearn.svm och accuracy_score från sklearn.metrics.
Skapa en instans av klassen för stödvektorklassificering (SVC()).
Anpassa modellen till träningsdatan.
Beräkna noggrannhetspoäng för både tränings- och testdata.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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")

Redigera och kör kod