Kurrikulum Leson 85 van 250 · Jou eerste Masjienleer-modelle
Jou eerste Masjienleer-modelle

Die Masjienleer-Mentale Model

Masjienleer klink mistiek, maar die kernidee is eenvoudig: in plaas daarvan om die reëls self te skryf, wys jy vir 'n program baie voorbeelde en laat dit die reëls vind. Byna alles in hierdie module rus op drie idees.

Kenmerke en etikette

'n voorbeeld word in twee dele verdeel. Die features is wat jy vooraf weet ('n huis se grootte, aantal slaapkamers). Die label is wat jy wil voorspel (die prys daarvan). Vol lang tradisie word features X genoem ('n tabel, hoofletter) en die label word y genoem ('n enkele kolom, kleinletter).

      X (features)          y (label)
  size_sqft  bedrooms        price_k
     650        1              220
     800        2              265
    1200        3              410

Begeleide vs onbegeleide

  • Supervised leer het etikette. Jy ken die regte antwoord vir elke opleidingsvoorbeeld, so die model leer om X na y te koppel. Om pryse te voorspel, of om e-posse in spam teen nie-spam te sorteer, is gesuperviseerd.
  • Unsupervised leer het geen etikette nie. Jy het net X en vra die model om struktuur te vind, soos om soortgelyke kliënte te groepeer. Hierdie hele module is supervised.

Die fit / predict patroon

Elke scikit-learn model praat dieselfde twee werkwoorde. Jy sal hierdie vorm weer en weer sien:

model = SomeModel()
model.fit(X, y)          # learn from examples
model.predict(X_new)     # guess labels for new rows

Dit is die hele ritueel. Die moeilike deel is nooit die API nie, dit is om goeie funksies te kies en eerlik te meet hoe goed die model presteer, wat die res van hierdie module oor gaan.

In hierdie oefening gaan jy nog niks aanleer nie. Jy gaan net die onopgewelde maar noodsaaklike eerste stap doen: neem 'n klein tabel en skerp dit uit in X en y.

Jou beurt

'n Klein housing DataFrame df word gegee met kolomme size_sqft, bedrooms, en price_k. Stel feature_cols = ["size_sqft", "bedrooms"], bou X = df[feature_cols] (net die twee invoerkolomme) en y = df["price_k"] (die label). Stel dan n_features na die aantal kenmerkkolomme en n_samples na die aantal rye.

Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les

Hierdie oefening open binnekort

Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.