Programma Lezione 97 di 250 · I tuoi primi modelli di machine learning
I tuoi primi modelli di machine learning

Progetto: classifica fiori dall'inizio alla fine

È il momento di mettere insieme tu stesso tutta la pipeline, senza impalcature. È esattamente il flusso di lavoro che useresti su un problema reale.

Ti viene dato un piccolo dataset di fiori simile a iris come DataFrame chiamato data. Ogni riga ha due feature, petal_len e petal_wid, e un'etichetta species che vale 0, 1 o 2 per tre tipi di fiore. Le tre specie occupano dimensioni dei petali chiaramente diverse, quindi un buon modello dovrebbe separarle bene.

Il tuo compito è l'intera sequenza che hai imparato, in ordine:

  • Separa feature ed etichetta in X e y.
  • Tieni da parte un insieme di test con train_test_split.
  • Addestra un modello sull'insieme di addestramento.
  • Prevedi sull'insieme di test.
  • Valuta con l'accuratezza su quell'insieme di test.

Due dettagli per un'esecuzione pulita e riproducibile. Passa random_state=0 ovunque compaia del caso (la divisione e il modello). E passa stratify=y a train_test_split così l'insieme di test mantiene lo stesso mix delle tre specie invece di, per esempio, lasciare fuori una specie per caso, cosa che conta quando ogni classe è piccola.

È lo stesso ciclo, in grande, che gira dietro i filtri antispam, gli screening medici e i sistemi di raccomandazione. Qui il modello è piccolo e i dati sono amichevoli, ma la forma del lavoro è esattamente quella reale.

Tocca a te

Usando il DataFrame data che ti viene dato: assegna X = data[["petal_len", "petal_wid"]] e y = data["species"]. Dividi con train_test_split(X, y, test_size=0.25, random_state=0, stratify=y) in X_train, X_test, y_train, y_test. Addestra un RandomForestClassifier(n_estimators=50, random_state=0) chiamato model sull'insieme di addestramento, fai predict su X_test in predictions, e assegna acc = accuracy_score(y_test, predictions).

Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione

Questo esercizio si apre presto

Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.