Solucionado
Diferente do apresentado em aula, no meu caso tanto Acurácia como Precisão o KNN se mostrou o melhor. Alguma explicação para isso?
===Resultado da Acurácia dos modelos=== KNN = 82.67% BNB = 78.16% TreeDecision = 80.55%
===Resultado da Precisão dos modelos=== KNN = 80.18% BNB = 73.84% TreeDecision = 79.58%
Desde já agradeço!
hoje, com a Alura e o Google Gemini
Olá, Elder, como vai?
Isso pode ser devido a diferentes razões. O KNN funciona bem quando os dados são uniformemente distribuídos e têm muitos vizinhos próximos para cada ponto de dados. Se seus dados seguem esse padrão, é por isso que o KNN está se saindo melhor.
Outro fator pode ser a escolha dos números de vizinhos (k) no KNN. Se o valor de k escolhido se encaixa bem com seus dados, isso pode melhorar o desempenho.
Mas, destaco ainda que se algum momento anterior a este, foi trocado o valor de parâmetros em trechos de códigos devido à atualização de biblioteca, por exemplo, isso pode influenciar nessa diferença.
Espero ter esclarecido à dúvida.
Abraços e bons estudos!