Project: bloemen classificeren van begin tot eind
Tijd om de hele pipeline zelf samen te stellen, zonder steigerwerk. Dit is de exacte workflow die je zou gebruiken bij een echt probleem.
Je krijgt een kleine dataset van iris-achtige bloemen als een DataFrame genaamd data. Elke rij heeft twee kenmerken, petal_len en petal_wid, en een label species dat 0, 1 of 2 is voor drie bloemtypen. De drie soorten hebben duidelijk verschillende bloembladgroottes, dus een goed model moet ze goed scheiden.
Je taak is de volledige reeks die je hebt geleerd, in volgorde:
- Split kenmerken en label in
Xeny. - Houd een testset vast met
train_test_split. - Train een model op de trainingsset.
- Predict op de testset.
- Evalueer met nauwkeurigheid op die testset.
Twee details voor een schone, reproduceerbare run. Geef random_state=0 door overal waar willekeur verschijnt (de split en het model). En geef stratify=y door aan train_test_split zodat de testset dezelfde mix van de drie soorten behoudt in plaats van bijvoorbeeld een soort per toeval weglaat, wat ertoe doet wanneer elke klasse klein is.
Dit is dezelfde lus, maar dan opgeschaald, die draait achter spamfilters, medische schermen en aanbevelingssystemen. Het model hier is klein en de data is vriendelijk, maar de vorm van het werk is precies echt.
Gebruik de gegeven DataFrame data: stel X = data[["petal_len", "petal_wid"]] en y = data["species"] in. Splits met train_test_split(X, y, test_size=0.25, random_state=0, stratify=y) naar X_train, X_test, y_train, y_test. Train een RandomForestClassifier(n_estimators=50, random_state=0) genaamd model op de trainingsset, voorspel op X_test naar predictions, en stel acc = accuracy_score(y_test, predictions) in.
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.