Probemos a aplicar, por ejemplo, un sencillo árbol de decisión. Importamos el algoritmo DecisionTreeClassifier de Scikit-Learn:
from sklearn.tree import DecisionTreeClassifier
Instanciamos el algoritmo con los parámetros por defecto y validamos el modelo vía validación cruzada:
model = DecisionTreeClassifier()
cross_val_score(model, X, y, cv = 5).mean()
Wall time: 1min 3s
0.8675500000000002
Comprobamos que, incluso sin haber realizado el ajuste del modelo, el resultado es razonablemente bueno: se están clasificando correctamente más del 86% de las imágenes (la métrica devuelta por el método .score es la exactitud o accuracy -cociente entre muestras bien clasificadas y muestras totales-).
