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!