用于蘑菇数据的 K 最近邻
作为初始模型，高斯朴素贝叶斯分类器表现非常不错。现在我们构建一个新模型，与朴素贝叶斯进行对比。
这里将使用 5-近邻分类器。由于哑变量会产生高维数据集，请使用 Ball Tree 算法来加速模型。让我们看看这个模型的效果如何！
本练习是课程的一部分
Python 中的集成方法
练习说明
- 构建一个具有
5个邻居且algorithm = 'ball_tree'的KNeighborsClassifier（用于加速处理）。 - 将模型拟合到训练数据。
- 使用准确率在测试集上评估模型表现。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)))