Lehrplan Lektion 85 von 250 · Deine ersten Machine Learning Modelle
Deine ersten Machine Learning Modelle

Das Machine Learning Mentale Modell

Machine Learning klingt mystisch, aber die Kernidee ist einfach: Anstatt die Regeln selbst zu schreiben, zeigst du einem Programm viele Beispiele und lässt es die Regeln finden. Fast alles in diesem Modul basiert auf drei Ideen.

Merkmale und Labels

Ein Beispiel wird in zwei Teile geteilt. Die features sind das, was du zu Beginn weißt (die Größe eines Hauses, die Anzahl der Schlafzimmer). Das label ist das, was du vorhersagen willst (sein Preis). Nach langer Tradition werden features als X (eine Tabelle, Großbuchstabe) bezeichnet und das label wird als y (eine einzelne Spalte, Kleinbuchstabe) bezeichnet.

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

Überwachtes vs. unüberwachtes Lernen

  • Supervised learning hat Labels. Du kennst die richtige Antwort für jedes Trainingsbeispiel, also lernt das Modell, X auf y abzubilden. Die Vorhersage von Preisen oder das Sortieren von E-Mails in Spam oder nicht-Spam sind supervised.
  • Unsupervised learning hat keine Labels. Du hast nur X und bittest das Modell, eine Struktur zu finden, wie zum Beispiel das Gruppieren ähnlicher Kunden. Dieses ganze Modul ist überwacht.

Das fit / predict Muster

Jedes scikit-learn Modell spricht die gleichen zwei Verben. Du wirst diese Form immer wieder sehen:

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

Das ist das gesamte Ritual. Der schwierige Teil ist nie die API, es ist das Auswählen guter Features und das ehrliche Messen, wie gut das Modell abschneidet, worum es im Rest dieses Moduls geht.

In dieser Übung wirst du noch nichts trainieren. Du wirst nur den unglamourösen aber wesentlichen ersten Schritt machen: nimm eine kleine Tabelle und schnitze sie in X und y.

Du bist dran

Ein kleiner housing DataFrame df ist gegeben mit den Spalten size_sqft, bedrooms und price_k. Setze feature_cols = ["size_sqft", "bedrooms"], baue X = df[feature_cols] (nur die zwei Eingabespalten) und y = df["price_k"] (das Label). Setze dann n_features auf die Anzahl der Feature-Spalten und n_samples auf die Anzahl der Zeilen.

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.