from sklearn.svm import LinearSVC
from sklearn.metrics import accuracy_score
Features: [Ação, Comédia, Diretor famoso]
filme1 = [1, 0, 1] # Gostou
filme2 = [0, 1, 0] # Não gostou
filme3 = [1, 1, 0] # Gostou
filme4 = [0, 0, 1] # Não gostou
filme5 = [1, 0, 0] # Gostou
filme6 = [0, 1, 1] # Não gostou
dados = [filme1, filme2, filme3, filme4, filme5, filme6]
classes = [1, 0, 1, 0, 1, 0]
Treinamento
modelo = LinearSVC()
modelo.fit(dados, classes)
Teste com novos filmes
novo_filme1 = [1, 1, 1] # Ação + comédia + diretor famoso
novo_filme2 = [0, 0, 0] # Drama sem diretor famoso
previsoes = modelo.predict([novo_filme1, novo_filme2])
print("Previsões:", previsoes)
Avaliação com accuracy_score (forma prática)
previsoes_treino = modelo.predict(dados)
taxa_de_acerto = accuracy_score(classes, previsoes_treino) * 100
print(f"Acurácia (accuracy_score): {taxa_de_acerto:.2f}%")
Avaliação manual (forma didática)
corretos = (previsoes_treino == classes).sum()
total = len(dados)
taxa_de_acerto_manual = corretos / total * 100
print(f"Acurácia (manual): {taxa_de_acerto_manual:.2f}%")
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!