Mantarlar için K-en yakın komşu

Gaussian Naive Bayes sınıflandırıcısı başlangıç modeli olarak gerçekten iyi iş çıkardı. Şimdi Naive Bayes ile karşılaştırmak için yeni bir model kuralım.

Bu durumda kullanılacak algoritma, 5-en yakın komşu sınıflandırıcısı. Kukla (dummy) özellikler yüksek boyutlu bir veri kümesi oluşturduğundan, modeli hızlandırmak için Ball Tree algoritmasını kullan. Bakalım bu model nasıl performans gösteriyor!

Bu egzersiz, kursun bir parçasıdır

Python'da Ensemble Yöntemleri

Kursa Göz Atın

Egzersiz talimatları

5 komşulu ve algorithm = 'ball_tree' olan bir KNeighborsClassifier oluştur (işlemeyi hızlandırmak için).
Modeli eğitim verisine uydur.
Test kümesi üzerindeki performansı accuracy skorunu kullanarak değerlendir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Instantiate a 5-nearest neighbors classifier with 'ball_tree' algorithm
clf_knn = ____(____, ____)

# 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)))

Kodu Düzenle ve Çalıştır