Olá, Tenho uma dúvida sobre o calculo da taxa de acerto, supondo que o meu modelo está rodando em produção, quando o modelo for executado com os dados misteriosos supondo que eu tenha um milhão de dados na variável teste_x para calcular a taxa de acerto eu preciso saber a classificação do teste_y, se eu já sei a classificação por que eu devo mandar o meu modelo adivinhar qual a classificação dos dados na variável teste_x ? Não sei se me fiz entender, fiquei com dúvidas nessa parte.
Olá Elton tudo bem com você??
O que ocorre ali na aula e relacionado a sua dúvida é o seguinte, o que foi chamado de teste_x é o conjunto animais a serem identificados em cima da classificação que foi chamada de teste_y. Então é aplicado a predição na base de dados teste_x e nasce uma nova variável como resultado chamada previsoes. Após essa parte é confrontado se previsões é igual a classificação teste_y, para testar a acurácia do modelo. Nessa parte é utilizado uma biblioteca para medir essa porcentagem from sklearn.metrics import accuracy_score conforme o exemplo dado em aula:
taxa_de_acerto = accuracy_score(teste_y, previsoes)
print("Taxa de acerto", taxa_de_acerto * 100)Se a minha resposta te ajudou, fico muito feliz =D e peço que por favor encerre o Post marcando a dúvida como resolvida! Caso precise de ajuda é só voltar aqui e perguntar.
Obrigado
Victor Gonzalez