पाठ्यक्रम 250 में से पाठ 97 · आपके पहले मशीन लर्निंग मॉडल
आपके पहले मशीन लर्निंग मॉडल

प्रोजेक्ट: फूलों को शुरू से अंत तक classify करें

अब पूरी pipeline ख़ुद जोड़ने का समय है, बिना किसी सहारे के। यह ठीक वही workflow है जो आप किसी असली समस्या पर इस्तेमाल करेंगे।

आपको data नाम के DataFrame के रूप में एक छोटा, iris जैसा फूलों का dataset दिया गया है। हर पंक्ति में दो features हैं, petal_len और petal_wid, और एक label species जो तीन फूल प्रकारों के लिए 0, 1, या 2 है। तीनों प्रजातियों की पंखुड़ियों के आकार साफ़ तौर पर अलग हैं, इसलिए एक अच्छे मॉडल को उन्हें अच्छी तरह अलग करना चाहिए।

आपका काम आपका सीखा पूरा क्रम है, इसी क्रम में:

  • features और label को X और y में बाँटें।
  • train_test_split से एक test set अलग रखें।
  • training set पर एक मॉडल train करें।
  • test set पर predict करें।
  • उस test set पर accuracy से परखें।

साफ़, दोहराने लायक दौर के लिए दो बातें। जहाँ भी रैंडमपन आए (split और मॉडल), वहाँ random_state=0 दें। और train_test_split को stratify=y दें ताकि test set में तीनों प्रजातियों का वही मिश्रण बना रहे, न कि संयोग से कोई प्रजाति छूट जाए, जो तब मायने रखता है जब हर class छोटी हो।

यह वही लूप है, बड़े पैमाने पर, जो spam filters, medical screens, और recommendation systems के पीछे चलता है। यहाँ मॉडल छोटा है और डेटा दोस्ताना, पर काम का ढाँचा ठीक असली है।

आपकी बारी

दिए गए DataFrame data का इस्तेमाल करके: X = data[["petal_len", "petal_wid"]] और y = data["species"] सेट करें। train_test_split(X, y, test_size=0.25, random_state=0, stratify=y) से X_train, X_test, y_train, y_test में बाँटें। training set पर model नाम का एक RandomForestClassifier(n_estimators=50, random_state=0) train करें, X_test पर predict करके predictions में रखें, और acc = accuracy_score(y_test, predictions) सेट करें।

इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें

यह अभ्यास जल्द खुलेगा

इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।