Навчання та перевірка моделі

У попередній вправі ви розбили набір даних на X_train, X_test, y_train і y_test. Ці вибірки вже завантажені для вас. Тепер створіть модель класифікації методом опорних векторів (SVC()) і навчіть її на тренувальних даних. Потім обчисліть точність на тестовій і тренувальній вибірках, щоб виявити перенавчання.

Ця вправа є частиною курсу

Зменшення розмірності в Python

Переглянути курс

Інструкції до вправи

Імпортуйте SVC з sklearn.svm і accuracy_score з sklearn.metrics.
Створіть екземпляр класу Support Vector Classification (SVC()).
Навчіть модель на тренувальних даних.
Обчисліть значення точності для тренувальної та тестової вибірок.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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")

Редагувати та запускати код