# features (1 sim, 0 não)

# pelo longo? 

# perna curta?

# faz auau?

porco1 = [0, 1, 0]

porco2 = [0, 1, 1]

porco3 = [1, 1, 0]

# features (1 sim, 0 não)

# pelo longo? 

# perna curta?

# faz auau?

porco1 = [0, 1, 0]

porco2 = [0, 1, 1]

porco3 = [1, 1, 0]

cachorro1 = [0, 1, 1]

cachorro2 = [1, 0, 1]

cachorro3 = [1, 1, 1]

# features (1 sim, 0 não)

# pelo longo? 

# perna curta?

# faz auau?

porco1 = [0, 1, 0]

porco2 = [0, 1, 1]

porco3 = [1, 1, 0]

cachorro1 = [0, 1, 1]

cachorro2 = [1, 0, 1]

cachorro3 = [1, 1, 1]

# 1 => porco, 0 => cachorro

dados = [porco1, porco2, porco3, cachorro1, cachorro2, cachorro3]

classes = [1,1,1,0,0,0]

x = dados

y = classes

trein_x

trein_y

f(x) = y

from sklearn.svm import LinearSVC

model = LinearSVC()

model.fit(trein_x , trein_y)

LinearSVC(C=1.0, class_weight=None, dual=True, fit_intercept=True,

     intercept_scaling=1, loss='squared_hinge', max_iter=1000,

     multi_class='ovr', penalty='l2', random_state=None, tol=0.0001,

     verbose=0)

animal_misterioso = [1,1,1]

model.predict(animal_misterioso)

animal_misterioso = [1,1,1]

model.predict([animal_misterioso])

misterio1 = [1,1,1]

misterio2 = [1,1,0]

misterio3 = [0,1,1]

testes = [misterio1, misterio2, misterio3]

model.predict(testes)

misterio1 = [1,1,1]

misterio2 = [1,1,0]

misterio3 = [0,1,1]

testes = [misterio1, misterio2, misterio3]

previsoes = model.predict(testes)

testes_classes = [0, 1, 1]

array([ True, True, False])

corretos = (previsoes == testes_classes).sum()

total = len(testes)

taxa_de_acerto = corretos/total

print("Taxa de acerto ", taxa_de_acerto)

corretos = (previsoes == testes_classes).sum()

total = len(testes)

taxa_de_acerto = corretos/total

print("Taxa de acerto ", taxa_de_acerto *100)

from sklearn.metrics import accuracy_score

taxa_de_acerto = accuracy_score(testes_classes, previsoes)

print("Taxa de acerto", taxa_de_acerto * 100)