Programma Lezione 85 di 250 · I tuoi primi modelli di machine learning
I tuoi primi modelli di machine learning

Il modello mentale del machine learning

Il machine learning sembra una cosa misteriosa, ma l'idea centrale è semplice: invece di scrivere tu le regole, mostri a un programma tanti esempi e lasci che sia lui a trovare le regole. Quasi tutto in questo modulo poggia su tre idee.

Feature ed etichette

Un esempio si divide in due parti. Le feature sono ciò che sai in partenza (la superficie di una casa, il numero di camere). L'etichetta è ciò che vuoi prevedere (il suo prezzo). Per lunga tradizione, le feature si chiamano X (una tabella, lettera maiuscola) e l'etichetta si chiama y (una sola colonna, minuscola).

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

Supervisionato e non supervisionato

  • L'apprendimento supervisionato ha le etichette. Conosci la risposta giusta per ogni esempio di addestramento, quindi il modello impara ad associare X a y. Prevedere un prezzo, o smistare le email tra spam e non spam, sono compiti supervisionati.
  • L'apprendimento non supervisionato non ha etichette. Hai solo X e chiedi al modello di trovare una struttura, come raggruppare clienti simili. Tutto questo modulo è supervisionato.

Lo schema fit / predict

Ogni modello di scikit-learn parla gli stessi due verbi. Vedrai questa forma ancora e ancora:

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

Questo è tutto il rituale. La parte difficile non è mai l'API, è scegliere buone feature e misurare onestamente quanto va bene il modello, ed è di questo che parla il resto del modulo.

In questo esercizio non addestrerai ancora niente. Farai solo il primo passo, poco affascinante ma essenziale: prendere una piccola tabella e dividerla in X e y.

Tocca a te

Ti viene dato un piccolo DataFrame di case df con le colonne size_sqft, bedrooms e price_k. Assegna feature_cols = ["size_sqft", "bedrooms"], costruisci X = df[feature_cols] (solo le due colonne di input) e y = df["price_k"] (l'etichetta). Poi assegna a n_features il numero di colonne di feature e a n_samples il numero di righe.

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.