Na Aula 5 "Dummy Classifier e svc" na hora de comparar o Dummy com stratified ou most_frenquent não foi passado o parâmetro quando copiou e colou o código.
Dummy.classifier(strategy = most_frequent)
Na Aula 5 "Dummy Classifier e svc" na hora de comparar o Dummy com stratified ou most_frenquent não foi passado o parâmetro quando copiou e colou o código.
Dummy.classifier(strategy = most_frequent)
Olá Gabriel tudo bem com você??
Nesta aula o professor Guilherme utiliza o recurso da própria biblioteca do SKLearn para classificar e gerar o resultado da acurácia. Conforme pode ser observado no passo-a-passo da AULA abaixo do vídeo. Inclusive ele cita a documentação da biblioteca utilizada que está nesse link AQUI. No caso do Score são estes parâmetros, conforme documentação:
score(self, X, y, sample_weight=None)[source]
Returns the mean accuracy on the given test data and labels.
In multi-label classification, this is the subset accuracy which is a harsh metric since you require for each sample that each label set be correctly predicted.
Parameters
X{array-like, None}
Test samples with shape = (n_samples, n_features) or None. Passing None as test samples gives the same result as passing real test samples, since DummyClassifier operates independently of the sampled observations.
yarray-like of shape (n_samples,) or (n_samples, n_outputs)
True labels for X.
sample_weightarray-like of shape (n_samples,), default=None
Sample weights.
Returns
scorefloat
Mean accuracy of self.predict(X) wrt. y.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