Temario Lección 97 de 250 · Tus primeros modelos de aprendizaje automático
Tus primeros modelos de aprendizaje automático

Proyecto: clasificar flores de principio a fin

Es hora de montar tú todo el proceso, sin andamios. Es exactamente el flujo de trabajo que usarías con un problema real.

Tienes un pequeño conjunto de datos de flores, al estilo del de iris, como un DataFrame llamado data. Cada fila tiene dos rasgos, petal_len y petal_wid, y una etiqueta species que es 0, 1 o 2 para tres tipos de flor. Las tres especies tienen tamaños de pétalo claramente distintos, así que un buen modelo debería separarlas bien.

Tu trabajo es la secuencia completa que has aprendido, en orden:

  • Separa los rasgos y la etiqueta en X e y.
  • Reserva un conjunto de prueba con train_test_split.
  • Entrena un modelo con el conjunto de entrenamiento.
  • Predice sobre el conjunto de prueba.
  • Evalúa con la exactitud en ese conjunto de prueba.

Dos detalles para una ejecución limpia y reproducible. Pasa random_state=0 allí donde haya azar (la separación y el modelo). Y pasa stratify=y a train_test_split para que el conjunto de prueba mantenga la misma mezcla de las tres especies en lugar de, por ejemplo, dejar fuera una especie por casualidad, lo que importa cuando cada clase es pequeña.

Es el mismo ciclo, a mayor escala, que funciona detrás de los filtros de spam, las pruebas médicas y los sistemas de recomendación. Aquí el modelo es pequeño y los datos son amables, pero la forma del trabajo es exactamente la real.

Tu turno

Con el DataFrame data que tienes: asigna X = data[["petal_len", "petal_wid"]] e y = data["species"]. Separa con train_test_split(X, y, test_size=0.25, random_state=0, stratify=y) en X_train, X_test, y_train, y_test. Entrena con el conjunto de entrenamiento un RandomForestClassifier(n_estimators=50, random_state=0) llamado model, predice sobre X_test en predictions y asigna acc = accuracy_score(y_test, predictions).

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.