पाठ्यक्रम 250 में से पाठ 85 · आपके पहले मशीन लर्निंग मॉडल
आपके पहले मशीन लर्निंग मॉडल

मशीन लर्निंग का मानसिक मॉडल

मशीन लर्निंग रहस्यमय लगती है, पर मूल विचार सीधा है: नियम ख़ुद लिखने के बजाय आप किसी प्रोग्राम को ढेर सारे उदाहरण दिखाते हैं और उसे नियम ढूँढने देते हैं। इस मॉड्यूल में लगभग सब कुछ तीन विचारों पर टिका है।

Features और labels

एक उदाहरण दो हिस्सों में बँटा होता है। features वे हैं जो आप शुरू में जानते हैं (एक घर का आकार, बेडरूम की संख्या)। label वह है जो आप अनुमान लगाना चाहते हैं (उसकी क़ीमत)। पुरानी परंपरा से features को X कहते हैं (एक तालिका, बड़ा अक्षर) और label को y (एक अकेला कॉलम, छोटा अक्षर)।

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

Supervised बनाम unsupervised

  • Supervised लर्निंग में labels होते हैं। आप हर training उदाहरण का सही जवाब जानते हैं, इसलिए मॉडल X को y से जोड़ना सीखता है। क़ीमत का अनुमान, या ईमेल को spam और not-spam में बाँटना, supervised हैं।
  • Unsupervised लर्निंग में कोई label नहीं होता। आपके पास बस X होता है और आप मॉडल से ढाँचा ढूँढने को कहते हैं, जैसे मिलते-जुलते ग्राहकों के समूह बनाना। यह पूरा मॉड्यूल supervised है।

fit / predict पैटर्न

हर scikit-learn मॉडल वही दो क्रियाएँ बोलता है। आप यह ढाँचा बार-बार देखेंगे:

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

बस यही पूरा रिवाज है। कठिन हिस्सा कभी API नहीं होता, बल्कि अच्छे features चुनना और ईमानदारी से मापना कि मॉडल कितना अच्छा करता है, और इस मॉड्यूल का बाक़ी हिस्सा इसी के बारे में है।

इस अभ्यास में आप अभी कुछ train नहीं करेंगे। आप बस वह फीका पर ज़रूरी पहला क़दम उठाएँगे: एक छोटी तालिका लेकर उसे X और y में काटना।

आपकी बारी

size_sqft, bedrooms, और price_k कॉलम वाला एक छोटा housing DataFrame df दिया गया है। feature_cols = ["size_sqft", "bedrooms"] सेट करें, X = df[feature_cols] (सिर्फ़ दो इनपुट कॉलम) और y = df["price_k"] (label) बनाएँ। फिर n_features को feature कॉलम की संख्या और n_samples को पंक्तियों की संख्या पर 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।