Treinaremos com 1617 elementos e testaremos com 540 elementos A acurácia foi 47.41% /usr/local/lib/python3.10/dist-packages/sklearn/svm/_base.py:1244: ConvergenceWarning: Liblinear failed to converge, increase the number of iterations. warnings.warn(
hoje, com a Alura e o Google Gemini
Oii, Patricia. Tudo bem?
É importante ter em mente que o modelo LinearSVC() pode encontrar resultados diferentes se o random_state não for especificado.
Para obter o valor de 52,59%, que representa nossa linha de base (baseline), é necessário utilizar este código:
import numpy as np
previsoes_de_base = np.ones(540)
acuracia = accuracy_score(teste_y, previsoes_de_base) * 100
print("A acurácia do algoritmo de baseline foi %.2f%%" % acuracia)
Se a dúvida persistir, estamos aqui.
Abraços!