Mail.ru
Почта
Мой Мир
Одноклассники
ВКонтакте
Игры
Знакомства
Новости
Календарь
Облако
Заметки
Все проекты
Все проекты
выход
Регистрация
Вход
Категории
Все вопросы проекта
Компьютеры, Интернет
Темы для взрослых
Авто, Мото
Красота и Здоровье
Товары и Услуги
Бизнес, Финансы
Наука, Техника, Языки
Философия, Непознанное
Города и Страны
Образование
Фотография, Видеосъемка
Гороскопы, Магия, Гадания
Общество, Политика, СМИ
Юридическая консультация
Досуг, Развлечения
Путешествия, Туризм
Юмор
Еда, Кулинария
Работа, Карьера
О проектах Mail
Животные, Растения
Семья, Дом, Дети
Другое
Знакомства, Любовь, Отношения
Спорт
Золотой фонд
Искусство и Культура
Стиль, Мода, Звезды
Полный список
Спросить
Лидеры
Поиск по вопросам
Ответы Mail
Программирование
Android
C/C++
C#
iOS
Java
JavaScript
jQuery
SQL
Perl
PHP
Python
Веб-дизайн
Верстка, CSS, HTML, SVG
Системное администрирование
Другие языки и технологии
Вопросы - лидеры.
Тг бот на питоне
1 ставка
Лидеры категории
Лена-пена
Искусственный Интеллект
М.И.
Искусственный Интеллект
Y.Nine
Искусственный Интеллект
•••
Помогите пожалуйста!!! Практическое занятие 7. Байесовский классификатор
Ярослав Дробицко
Ученик
(94), на голосовании
3 недели назад
С каким параметром наибольшая корреляция у целевой переменной?
# Отрисуем матрицу корреляций параметров.
plt.figure(figsize=(15,12))
sns.heatmap(df.corr(), annot=True);
# Сформируем X и y
X = df.drop("Outcome",axis=1)
y= df["Outcome"]
# Разделение на train и test
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.3, random_state=22)
# Создание объекта Naive Bayes
nb = GaussianNB()
# Обучение модели
nb.fit
(X_train,y_train);
# Прогноз на тесте
y_pred = nb.predict(X_test)
Голосование за лучший ответ
Александр
Искусственный Интеллект
(301955)
1 месяц назад
что за бесовское задание?
Похожие вопросы
# Отрисуем матрицу корреляций параметров.
plt.figure(figsize=(15,12))
sns.heatmap(df.corr(), annot=True);
# Сформируем X и y
X = df.drop("Outcome",axis=1)
y= df["Outcome"]
# Разделение на train и test
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.3, random_state=22)
# Создание объекта Naive Bayes
nb = GaussianNB()
# Обучение модели
nb.fit (X_train,y_train);
# Прогноз на тесте
y_pred = nb.predict(X_test)