プロジェクト:花を最初から最後まで分類する
足場なしで、パイプライン全体を自分で組み立てるときです。これは実際の問題で使うのとまったく同じ作業の流れです。
data という名前の DataFrame として、アヤメ風の小さな花のデータセットが与えられます。各行には 2 つの特徴量 petal_len と petal_wid、そして 3 種類の花を表す 0、1、2 のいずれかのラベル species があります。3 つの種ははっきり違う花びらの大きさを占めているので、良いモデルならきれいに分けられるはずです。
あなたの仕事は、これまで学んだ一連の流れを順番どおりに行うことです:
- 特徴量とラベルを
Xとyに分ける。 train_test_splitでテスト用データを取っておく。- 学習用データでモデルを学習させる。
- テスト用データで予測する。
- そのテスト用データでの正解率で評価する。
きれいで再現できる実行のための細かい点が 2 つあります。ランダム性が現れるところ(分割とモデル)ではどこでも random_state=0 を渡します。そして train_test_split に stratify=y を渡し、たまたまある種がまるごと抜けたりせずに、テスト用データが 3 つの種の同じ混ざり具合を保つようにします。各クラスが小さいときはこれが大切です。
これは迷惑メールのフィルター、医療の検査、レコメンドシステムの裏で動いているのと同じループを、規模を大きくしたものです。ここではモデルは小さくデータも素直ですが、作業の形はまさに本物です。
与えられた DataFrame data を使ってください:X = data[["petal_len", "petal_wid"]] と y = data["species"] とします。train_test_split(X, y, test_size=0.25, random_state=0, stratify=y) で X_train, X_test, y_train, y_test に分割します。学習用データで model という名前の RandomForestClassifier(n_estimators=50, random_state=0) を学習させ、X_test で予測して predictions に入れ、acc = accuracy_score(y_test, predictions) としてください。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。