ПочатиПочніть безкоштовно

Прогнозування їстівності грибів

Тепер, коли ви дослідили дані, час побудувати першу модель для прогнозування їстівності грибів.

Набір даних доступний як mushrooms. Оскільки і ознаки, і цільова змінна є категоріальними, їх уже перетворено на бінарні «даммі»-змінні.

Почнімо з Наївного Байєса (використаємо scikit-learn GaussianNB) і подивімося, як цей алгоритм упорається із завданням.

Ця вправа є частиною курсу

Ансамблеві методи в Python

Переглянути курс

Інструкції до вправи

  • Створіть класифікатор GaussianNB з назвою clf_nb.
  • Навчіть clf_nb на тренувальних даних X_train і y_train.
  • Обчисліть прогнози на тестовій вибірці. Ці прогнози буде використано для оцінювання якості за метрикою accuracy.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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)))
Редагувати та запускати код