Noggrannhet efter dimensionalitetsreduktion
Du ska minska överanpassningen med hjälp av dimensionalitetsreduktion. Här tillämpar du en ganska drastisk form av dimensionalitetsreduktion genom att bara välja en enda kolumn som innehåller användbar information för att skilja mellan kön. Du upprepar stegen för tränings- och testuppdelning, modellträning och prediktion för att jämföra noggrannheten på test- och träningsdata.
Alla relevanta paket och y har laddats in i förväg.
Den här övningen är en del av kursen
Dimensionsreduktion i Python
Övningsinstruktioner
- Välj bara kolumnen för nackomkrets (
'neckcircumferencebase') frånansur_df. - Dela upp data, skapa en klassificerare och träna modellen. Det här är redan gjort åt dig.
- Beräkna återigen noggrannhetspoängen för både tränings- och testmängden.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Assign just the 'neckcircumferencebase' column from ansur_df to X
X = ansur_df[[____]]
# Split the data, instantiate a classifier and fit the data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
svc = SVC()
svc.fit(X_train, y_train)
# 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")