Retornando valor diferente do da aula | Machine Learning: classificação por trás dos panos

import csv from re import X #define a funcao e cria as string para dados e marcacoes def carregar_acessos(): X = [] Y = [] #abre o arquivo dos dados e le com reader() arquivo = open('acesso.csv', 'r') leitor = csv.reader(arquivo) next(leitor) #cria as classes e define os valores for home, como_funciona, contato, comprou in leitor: #utiliza append() para add os dados nas classes X.append([int(home), int(como_funciona), int(contato)]) Y.append(int(comprou)) return X, Y

from dados import carregar_acessos X,Y = carregar_acessos() from sklearn.naive_bayes import MultinomialNB modelo = MultinomialNB() modelo.fit(X , Y) print(modelo.predict([[1,0,1],[0,1,0], [1,0,0], [1,1,0], [1,1,1]]))

Oi, Willian! Tudo bem com você?

Desculpa a demora em te trazer um retorno.

Verificando o código do professor e o seu código, encontro uma pequena divergência que pode ser o motivo de o resultado de valores serem diferentes da aula. No arquivo dados.py o comando de retorno da função, return X, Y, está dentro da estrutura do laço for, no entanto, no código do instrutor este comando se dá fora do laço:

import csv
from re import X

# define a funcao e cria as string para dados e marcacoes
def carregar_acessos():
    X = []
    Y = []
    #abre o arquivo dos dados e le com reader()
    arquivo = open('acesso.csv', 'r')
    leitor = csv.reader(arquivo)
    next(leitor)
    #cria as classes e define os valores
    for home, como_funciona, contato, comprou in leitor:
        #utiliza append() para add os dados nas classes
        X.append([int(home),
            int(como_funciona),
            int(contato)])
        Y.append(int(comprou))
    return X, Y

Pelo que testei, ao colocar o return X, Y fora da estrutura do laço, o retorno fica semelhante ao mostrado em aula: [1 0 0 0 0]

Espero ter te ajudado! Quaisquer outras dúvidas em relação a isso estarei disponível,

Bons estudos!

Caso este post tenha lhe ajudado, por favor, marcar como solucionado ✓.Bons Estudos!