No projeto 2 deste curso ao usar SEED=20, não há mais a alteração da acurácia. Porém, para o projeto 3 a acurácia continua alternando mesmo com SEED.
Projeto2:
from sklearn.model_selection import train_test_split
from sklearn.svm import LinearSVC
from sklearn.metrics import accuracy_score
SEED = 20 #definindo o seed, retiramos a aleatoriedade da geração dos dados de treino e teste
treino_x, teste_x, treino_y, teste_y = train_test_split(x, y,
random_state = SEED, test_size = 0.25,
stratify = y) #estratificando conforme y. Blanceando a proporção nas amostras de treino e teste e mantendo próximas
print("Treinaremos com %d elementos e testaremos com %d elementos" % (len(treino_x), len(teste_x)))
modelo = LinearSVC()
modelo.fit(treino_x, treino_y)
previsoes = modelo.predict(teste_x)
acuracia = accuracy_score(teste_y, previsoes) * 100
print("A acurácia foi %.2f%%" % acuracia)
Projeto 3:
from sklearn.model_selection import train_test_split
from sklearn.svm import LinearSVC
from sklearn.metrics import accuracy_score
SEED = 20 #definindo o seed, retiramos a aleatoriedade da geração dos dados de treino e teste
treino_x, teste_x, treino_y, teste_y = train_test_split(x, y,
random_state = SEED, test_size = 0.25,
stratify = y) #estratificando conforme y. Blanceando a proporção nas amostras de treino e teste e mantendo próximas
print("Treinaremos com %d elementos e testaremos com %d elementos" % (len(treino_x), len(teste_x)))
modelo = LinearSVC()
modelo.fit(treino_x, treino_y)
previsoes = modelo.predict(teste_x)
acuracia = accuracy_score(teste_y, previsoes) * 100
print("A acurácia foi %.2f%%" % acuracia)
