Huấn luyện và kiểm thử mô hình

Ở bài trước, bạn đã chia tập dữ liệu thành X_train, X_test, y_train và y_test. Những tập này đã được nạp sẵn cho bạn. Bây giờ bạn sẽ tạo một mô hình phân loại bằng support vector machine (SVC()) và fit mô hình đó với dữ liệu huấn luyện. Sau đó, bạn sẽ tính độ chính xác trên cả tập kiểm thử và tập huấn luyện để phát hiện hiện tượng overfitting.

Bài tập này là một phần của khóa học

Giảm Chiều Dữ Liệu với Python

Xem khóa học

Hướng dẫn bài tập

Import SVC từ sklearn.svm và accuracy_score từ sklearn.metrics
Tạo một instance của lớp Support Vector Classification (SVC()).
Fit mô hình với dữ liệu huấn luyện.
Tính điểm độ chính xác trên cả dữ liệu train và test.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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")

Chỉnh sửa và Chạy Mã