Solucionado (ver solução)
Solucionado
(ver solução)
1
resposta

sobre treinamento e teste do algoritmo burro

acredito q ha um paralelo de treinamento/teste no algoritmo burro, o treinamento seria determinar a classe majoritária do conjunto, funçao max

dessa forma, uma maneira mais "redonda" de manter o paralelo, acredito, seria determinar o máximo do count apenas com o conjunto de treinamento, e aplicar esse valor contra o conjunto de teste

n espero nenhuma diferença pratica, contudo

obrigado pelo conteudo e espaço

1 resposta
solução!

Olá , Thiago! tudo traquilo ?

Parabéns por ter pensado em outra solução que não a demonstrada pelo instrutor, explorar outras possibilidades é essencial para o aprendizado.

Só um pequeno detalhe na solução apresentada por você, antes de utilizar o método count faz-se necessário o casting, que é transformar um tipo de objeto em outro. Quando o professor executa o código abaixo, nos é retornado um objeto do tipo numpy.ndarray, que não possui o método count.

X = Xdummies_df.values
Y = Ydummies_df.values

Para verificar o tipo do objeto, utiliza-se o método type(), conforme exemplo abaixo:

print(type(Y))

Saída:

<class 'numpy.ndarray'>

Logo para a utilização do método count, faz-se necessário primeiro transformar de numpy.ndarray para lista, conforme exemplo abaixo (foi utilizado a mesma variável Y criada pelo instrutor):

list(Y).count(1)

Saída:

832

O código acima nos retorna quantos 1’s o objeto Y, transformado em uma lista, possui. Essa mesma ideia é aplicada as outras variáveis criadas pelo instrutor (treino_dados, treino_marcacoes...).

Caso queira se aprofundar um pouco mais sobre numpy.ndarray recomendo a leitura nesse link.

Caso ainda persista alguma dúvida, estou sempre à disposição.

Espero ter ajudado.

:)

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

Quer mergulhar em tecnologia e aprendizagem?

Receba a newsletter que o nosso CEO escreve pessoalmente, com insights do mercado de trabalho, ciência e desenvolvimento de software