Atividade 11 : Calculando a taxa de acerto | Machine Learning: classificação por trás dos panos

misterioso1 = [1, 1, 1] misterioso2 = [1, 0, 0] misterioso3 = [0, 0, 1] teste = [misterioso1, misterioso2, misterioso3] #as marcações que eu mesmo fui lá e olhei os dados e coloquei o que deveria ser #para testar a margem de erro do programa marcacoes_teste = [-1,1,-1] resultado = modelo.predict(teste) print(resultado) # tiro resultado das minhas marcacoes teste porque se o resultado do programa for # igual as minhas marcações teste ele vai dar 0. Porque 1-1 =0 e -1 -(-1) =0 # então se o resultado do computador for igual a minha marcação teste vai dar 0 // 1-1 =0 e -1 -(-1) =0 # e se o resultado do computador for diferente da minha marcação teste vai dar 2 // 1-(-1)=2 -1 -1 =2 margem_erro = resultado - marcacoes_teste print(margem_erro) #para cada diferenca(d) dentro de margem de erro, se o valor dessa diferanca for 0, crie um array para mim #vai devolver todos os elementos porque eu acertei tudo acertos = [d for d in margem_erro if d == 0] total_acertos = len(acertos) total_teste = len(teste) taxa_acertos = 100.0 * total_acertos / total_teste print(acertos, "Total de Acertos: ", total_acertos) print(".....") print("..........") print("...............") print("Total de testes realizados nesta simulação: ", total_teste) print("Taxa de Acerto (deste teste): ", taxa_acertos, "%")

Olá Kátia.

Dei uma olhada no seu código e está tudo certinho, senti falta do trecho do treinamento do modelo.

Então utilizei o que você postou em outro tópico.

#variaveis de classificacao
#e gordinho
#tem pernnha curta
# se faz au au
porco1 = [1,1,0]
porco2 = [1,1,0]
porco3 = [1,1,0]
cachorro1 = [1,1,1]
cachorro2 = [0,1,1]
cachorro3 = [1,1,1]

dados = [porco1, porco2, porco3, cachorro1, cachorro2, cachorro3]

#agora vou diferenciar porcos de cachorros.
# Vou contar para o programa que porco é 1 e cachorro é -1
marcacoes = [1,1,1,-1,-1,-1]

#agora eu tenho um elemento misterioso que eu quero que o computador me conte o que ele é
misterioso = [1,1,1]

from sklearn.naive_bayes import MultinomialNB

modelo = MultinomialNB()

modelo.fit(dados, marcacoes)

Obtive o resultado:


Total de testes realizados nesta simulação:  3        
Taxa de Acerto (deste teste):  100.0 %

Parabéns, você se saiu bem.

Bons Estudos.

Mergulhe em programação