Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Solucionado
Olá, William! Como vai?
Parabéns pela resolução da atividade!
Observei que você explorou o uso de KNeighborsClassifier para aplicar um modelo supervisionado, utilizou muito bem o método score para avaliar o desempenho em treino e validação e ainda compreendeu a importância de comparar essas métricas para identificar possíveis sinais de sobreajuste.
Uma dica interessante para o futuro é testar diferentes valores de n_neighbors para observar o impacto na acurácia. Assim:
for k in range(1, 11):
modelo_kn = KNeighborsClassifier(n_neighbors=k)
modelo_kn.fit(X_treino, y_treino)
print(f'k={k} | Treino: {modelo_kn.score(X_treino, y_treino):.2f} | Validação: {modelo_kn.score(X_val, y_val):.2f}')
Isso faz com que você identifique o valor ideal de k para o seu conjunto de dados.
Fico à disposição! E se precisar, conte sempre com o apoio do fórum.
Abraço e bons estudos!
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!
Obrigado, doca perfeita.