Descripción
En este ejercicio, prácticarás KNeighborsClassifier para clasificación con Scikit Learn.
En este reto vas a implementar un clasificador de especies de flores utilizando el algoritmo K-Vecinos más cercanos (KNeighborsClassifier
) de Scikit Learn. Trabajarás con el famoso Iris Dataset, que está disponible en sklearn.datasets
y que contiene mediciones de distintas características de flores junto con las especies correspondientes.
Guarda tu progreso
Inicia sesión para no perder tu progreso y accede a miles de tutoriales, ejercicios prácticos y nuestro asistente de IA.
Más de 25.000 desarrolladores ya confían en CertiDevs
Carga de datos:
- Utiliza el módulo
datasets
de Scikit Learn para cargar el Iris Dataset. - Divide el conjunto de datos en un 80% para entrenamiento y un 20% para pruebas.
Preprocesamiento:
- Escala las características utilizando
StandardScaler
para garantizar que todas tengan igual importancia durante el cálculo de distancias.
Modelo KNeighborsClassifier:
- Crea una instancia de
KNeighborsClassifier
usandon_neighbors=5
. - Entrena el modelo con el conjunto de entrenamiento.
Evaluación:
- Realiza predicciones sobre el conjunto de prueba.
- Calcula y muestra la precisión del modelo en el conjunto de prueba. Utiliza la métrica
accuracy_score
de Scikit Learn.
Solución al ejercicio
¡Desbloquea la solución completa!
Completa el examen para acceder a la solución paso a paso, explicaciones detalladas y mejores prácticas.
Practica con exámenes de ScikitLearn
Mejora tus habilidades con cientos de exámenes de práctica, recibe retroalimentación instantánea y obtén tu certificación cuando estés listo.
Retroalimentación
Aprende de tus errores
Progreso
Mide tu avance
Certificación
Valida tus habilidades
Únete a miles de desarrolladores mejorando sus habilidades