Para o seguinte código:
x = dados[['preco', 'km_por_ano']]
y = dados['vendido']
from sklearn.model_selection import train_test_split
from sklearn.svm import LinearSVC
from sklearn.metrics import accuracy_score
SEED = 23
x_treino, x_teste, y_treino, y_teste = train_test_split(x, y, random_state = SEED, test_size=0.25, stratify = y)
print("Treinando com %d elementos e testando com %d" % ((len(x_treino)), len(x_teste)))
model = LinearSVC(random_state = SEED) # random_state é um parametro que permite replicabilidade
model.fit(x_treino, y_treino)
previsoes = model.predict (x_teste)
acuracia = accuracy_score(y_teste, previsoes) * 100
print ("A acuracia foi de %.2f%%" % acuracia)
Temos o seguinte Output:
Meu código está correto, mas gostaria de confirmar se este erro é esperado. Ocorre devido à incapacidade do LinearSVC de se ajustar aos meus dados? Em outras palavras, o modelo de previsão não está convergindo para um resultado? É isso que está acontecendo? Pergunto pois não vi o aviso no vídeo do instrutor.
