[Projeto] Reprodução da Aula 02

iimport pandas as pd

import pandas as pd uri = "https://gist.githubusercontent.com/guilhermesilveira/b9dd8e4b62b9e22ebcb9c8e89c271de4/raw/c69ec4b708fba03c445397b6a361db4345c83d7a/tracking.csv" dados = pd.read_csv(uri) dados.head()

   inicial palestras contato comprou patrocinio

0 1 1 0 0 0 1 1 1 0 0 0 2 1 1 0 0 0 3 1 1 0 0 0 4 1 1 0 0 0

Next steps: import pandas as pd uri = "https://gist.githubusercontent.com/guilhermesilveira/b9dd8e4b62b9e22ebcb9c8e89c271de4/raw/c69ec4b708fba03c445397b6a361db4345c83d7a/tracking.csv" dados = pd.read_csv(uri) dados.head() Generate code with dados View recommended plots  New interactive sheet

comprou 0 0 1 0 2 0 3 0 4 0

dtype: int64

y = dados["comprou"] y.head()

inicial palestras contato patrocinio 0 1 1 0 0 1 1 1 0 0 2 1 1 0 0 3 1 1 0 0 4 1 1 0 0   Next steps:   x = dados[["inicial", "palestras", "contato", "patrocinio"]] x.head()

Generate code with x View recommended plots  New interactive sheet   dados.shape

(99, 5)

▾ LinearSVC ? i LinearSVC()     from sklearn.svm import LinearSVC

modelo = LinearSVC() modelo.fit(x, y)   treino_x = x[:75] treino_y = y[:75]   from sklearn.svm import LinearSVC

modelo = LinearSVC() modelo.fit(treino_x, treino_y)

▾ LinearSVC ? i LinearSVC()     treino_x = x[:75] treino_y = y[:75] teste_x = x[75:] teste_y = y[75:]   treino_x = x[:75] treino_y = y[:75] teste_x = x[75:] teste_y = y[75:]

print(f"Treinaremos com {len(treino_x)} elementos") print(f"Testaremos com {len(teste_x)} elementos")

Treinaremos com 75 elementos Testaremos com 24 elementos   from sklearn.svm import LinearSVC from sklearn.metrics import accuracy_score

modelo = LinearSVC() modelo.fit(treino_x, treino_y)

previsoes = modelo.predict(teste_x)

from sklearn.svm import LinearSVC from sklearn.metrics import accuracy_score

modelo = LinearSVC() modelo.fit(treino_x, treino_y) previsoes = modelo.predict(teste_x)

acuracia = accuracy_score(teste_y, previsoes) * 100 print(f"A acurácia foi de {acuracia:.2f}%")

A acurácia foi de 95.83