Questão FC373153
Considere o código em Python abaixo que será executado em condições ideais. from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn
Inteligência Artificial (IA)
FCC · 2024
Considere o código em Python abaixo que será executado em condições ideais.
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy score
iris = load_iris()
X = iris.data
y = iris.target
_I_
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print (f"Acurácia do modelo: (accuracy * 100:.2f}%")
Para que o programa divida o conjunto de dados em treino e teste na proporção de 80% treino e 20% teste, a lacuna I deve ser corretamente preenchida por:
- X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
- X_train, X_test, y_train, y_test = test_train_split(X, y, train_size=0.8, random_state=42)
- x_train, x_test, y_train, y_test = train test_split(x, y, test_size=0.2, random_state(42))
- Y_train, Y_test, x_train, x_test = train test_split(Y, x, train_size=0.8)
- x_train, x_test, y_train, y_test = test train_split(x, y, train_size=0.8, random_state(0))
Mostrar resposta e comentário
Gabarito
A
Comentário do professor
A linha X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) usa a função do scikit‑learn que divide os dados em conjuntos de treino e teste. A ordem de retorno é exatamente essa: X_train, X_test, y_train, y_test, garantindo que as features e os rótulos se mantenham alinhados.
test_size=0.2 indica que 20% dos exemplos irão para o conjunto de teste e, consequentemente, 80% para treino (ou seja, proporção de treino = 1 − 0.2 = 0.8).
random_state=42 fixa a semente do gerador randômico, tornando a divisão reprodutível entre execuções — útil para comparar resultados ou depurar modelos.
Com essa divisão correta, o código seguinte pode treinar o classificador com knn.fit(X_train, y_train) e avaliar com accuracy_score(y_test, y_pred).
Conteúdo do catálogo FC Concursos · Atualizado em