Het Machine Learning Mentaal Model
Machine learning klinkt mystiek, maar de kern is simpel: in plaats van de regels zelf te schrijven, laat je een programma veel voorbeelden zien en laat je het de regels vinden. Bijna alles in deze module rust op drie ideeën.
Kenmerken en labels
Een voorbeeld is gesplitst in twee delen. De features zijn wat je vooraf weet (de grootte van een huis, aantal slaapkamers). De label is wat je wilt voorspellen (de prijs ervan). Volgens lange traditie worden features X genoemd (een tabel, hoofdletter) en wordt het label y genoemd (een enkele kolom, kleine letter).
X (features) y (label)
size_sqft bedrooms price_k
650 1 220
800 2 265
1200 3 410Supervised vs unsupervised
- Supervised learning heeft labels. Je kent het juiste antwoord voor elk trainingsvoorbeeld, dus het model leert om
Xnaaryte mappen. Het voorspellen van een prijs, of het sorteren van e-mail naar spam of niet-spam, zijn supervised. - Unsupervised learning heeft geen labels. Je hebt alleen
Xen vraagt het model om structuur te vinden, zoals het groeperen van vergelijkbare klanten. Dit hele module is supervised.
Het fit / predict patroon
Elk scikit-learn model spreekt dezelfde twee werkwoorden. Je zult deze vorm keer op keer zien:
model = SomeModel()
model.fit(X, y) # learn from examples
model.predict(X_new) # guess labels for new rowsDat is het hele ritueel. Het moeilijke deel is nooit de API, het is het kiezen van goede features en eerlijk meten hoe goed het model presteert, waar de rest van deze module over gaat.
In deze oefening ga je nog niets trainen. Je gaat alleen de onglamouroze maar essentiële eerste stap doen: neem een kleine tabel en hak deze in X en y.
Er wordt een kleine housing DataFrame df gegeven met kolommen size_sqft, bedrooms en price_k. Stel feature_cols = ["size_sqft", "bedrooms"] in, bouw X = df[feature_cols] (alleen de twee input kolommen) en y = df["price_k"] (het label). Stel daarna n_features in op het aantal feature kolommen en n_samples op het aantal rijen.
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.