訓練與測試模型
在上一個練習中，你已經將資料集切分為 X_train、X_test、y_train 和 y_test。這些資料集都已經為你預先載入。
現在你要建立支援向量機分類器模型（SVC()），並將它擬合到訓練資料上。
接著，你會分別在測試集與訓練集上計算準確率，以偵測是否過度擬合。
本練習屬於課程
Python 的降維
練習說明
- 從
sklearn.svm匯入SVC，並從sklearn.metrics匯入accuracy_score。 - 建立 Support Vector Classification 類別（
SVC()）的實例。 - 將模型擬合到訓練資料。
- 分別在訓練與測試資料上計算準確率。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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")