拟合并测试模型
在上一个练习中，您已经将数据集划分为 X_train、X_test、y_train 和 y_test。这些数据集已为您预先加载。
现在，您将创建一个支持向量机分类器模型（SVC()），并将其拟合到训练数据上。
随后，您将分别在测试集和训练集上计算准确率，用于检测是否过拟合。
本练习是课程的一部分
Python 中的降维
练习说明
- 从
sklearn.svm导入SVC，从sklearn.metrics导入accuracy_score。 - 创建一个支持向量分类（Support Vector Classification）类的实例（
SVC()）。 - 将模型拟合到训练数据上。
- 分别在训练集和测试集上计算准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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")