Vamos ver se deu um pouco certo. No entanto, a taxa de acerto foi baixa, e não entendi o que foi que eu errei aqui.
#features [1 sim, 0 não]
#acao
#comedia
#fantasia
#longo
#curto
#mediano
#europeu
#asiatico
#americano
filme1 = [1, 1, 1]
filme2 = [1, 1, 1]
filme3 = [0, 0, 0]
filme4 = [1, 0, 1]
#1 -> gostou, 0 -> nao gostou
treino_x = [filme1, filme2, filme3, filme4]
treino_y = [1, 1, 0, 0]
from sklearn.svm import LinearSVC
modelo = LinearSVC()
modelo.fit(treino_x, treino_y)
filme_misterioso = [1, 0, 1]
modelo.predict([filme_misterioso])
array([1, 0, 1])
import numpy as np
acertos = (previsoes == np.array(teste_y)).sum()
print(f"núemero de acertos: {acertos}")
núemero de acertos: 1
corretos = (previsoes == teste_y).sum()
total = len(testes)
taxa_de_acertos = corretos / total
print("taxa de acerto: %.2f" % (taxa_de_acertos * 100))
taxa de acerto: 33.33
