Upload app.py

app.py

@@ -3,6 +3,7 @@ import pandas as pd
 from sklearn.model_selection import train_test_split
 from sklearn.preprocessing import LabelEncoder
 from sklearn.naive_bayes import CategoricalNB
+from sklearn.metrics import accuracy_score
 
 # Cargar los datos
 @st.cache_resource
@@ -34,7 +35,9 @@ model = CategoricalNB()
 model.fit(X_train, y_train)
 
 # Interfaz de usuario con Streamlit
-st.title("Clasificador de Hongos")
+st.title("Clasificador de Hongos Naive Bayes")
+st.header("Miguel Angel Quintero 187684")
+st.header("Distribución Categórica Accuracy: {:.3f}".format(accuracy_score(y_test, model.predict(X_test))))
 
 # Crear selectores para las características de los hongos
 features = {}
@@ -53,4 +56,3 @@ if st.button('Clasificar hongo'):
     else:
         st.error("El hongo con las características seleccionadas es venenoso.")
 
-# Ejecutar la aplicación: streamlit run your_script.py