ПочатиПочніть безкоштовно

K-nearest neighbors для грибів

Класифікатор Gaussian Naive Bayes показав дуже хороший результат як початкова модель. Тепер створімо нову модель, щоб порівняти її з Naive Bayes.

У цьому завданні слід використати класифікатор 5 найближчих сусідів. Оскільки даммі-ознаки створюють високорозмірний набір даних, використайте алгоритм Ball Tree, щоб пришвидшити модель. Подивімося, як вона спрацює!

Ця вправа є частиною курсу

Ансамблеві методи в Python

Переглянути курс

Інструкції до вправи

  • Побудуйте KNeighborsClassifier з 5 сусідами та algorithm = 'ball_tree' (щоб пришвидшити обробку).
  • Навчіть модель на тренувальних даних.
  • Оцініть якість на тестовій вибірці за допомогою accuracy score.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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)))
Редагувати та запускати код