Förutsäga svampars ätlighet
Nu när du har utforskat datan är det dags att bygga en första modell för att förutsäga om svampar är ätliga.
Datamängden finns tillgänglig som mushrooms. Eftersom både särdragen och målvariabeln är kategoriska har dessa omvandlats till binära "dummy"-variabler åt dig.
Vi börjar med Naive Bayes (med scikit-learns GaussianNB) och undersöker hur algoritmen presterar på det här problemet.
Den här övningen är en del av kursen
Ensemblemetoder i Python
Övningsinstruktioner
- Instantiera en
GaussianNB-klassificerare kalladclf_nb. - Träna
clf_nbpå träningsdatanX_trainochy_train. - Beräkna prediktionerna på testmängden. Dessa prediktioner används för att utvärdera prestandan med hjälp av noggrannhetspoängen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)))