CÓDIGO:
# Calculando a taxa de acerto - exercicio 2
# [é gordinho?, tem perninha curta?, faz auau?]
porco1 = [1, 1, 0]
porco2 = [1, 1, 0]
porco3 = [1, 1, 0]
cachorro4 = [1, 1, 1]
cachorro5 = [0, 1, 1]
cachorro6 = [0, 1, 1]
dados = [porco1, porco2, porco3, cachorro4, cachorro5, cachorro6]
marcacoes = [1, 1, 1, -1, -1, -1]
from sklearn.naive_bayes import MultinomialNB
modelo = MultinomialNB()
modelo.fit(dados, marcacoes)
# Crie uma marcação de teste para os elementos misteriosos utilizando o array marcacoes_teste indicando
# o que é cada elemento misterioso.
# Cenário de Teste
misterioso1 = [1, 1, 1]
misterioso2 = [1, 0, 0]
misterioso3 = [0, 0, 1]
teste = [misterioso1, misterioso2, misterioso3]
marcacoes_teste = [-1, 1, -1]
resultado = modelo.predict(teste)
# Calcule a diferença das variáveis resultado e as marcacoes_teste e atribua a uma variável chamada diferencas.
diferencas = resultado - marcacoes_teste
# Percorra o array diferencas e devolva todos os seus elementos que forem iguais a 0 e atribua a uma variável chamada acertos.
acertos = [d for d in diferencas if d == 0]
# Calcule o total de acertos pegando o tamanho do array acertos com o método len() e atribua à variável total_de_acertos.
total_de_acertos = len(acertos)
# Calcule o total de elementos pegando o tamanho do array teste com o método len() e atribua à variável total_de_elementos.
total_de_elementos = len(teste)
# Calcule a taxa de acerto multiplicando 100.0 pela divisão das variáveis total_de_acertos e total_de_elementos e atribua à variável taxa_de_acerto.
taxa_de_acerto = 100.0 * total_de_acertos / total_de_elementos
# Por fim, imprima as variáveis resultado, diferencas e taxa_de_acerto.
print(resultado)
print(diferencas)
print(taxa_de_acerto)
