O Modelo Mental de Machine Learning
Machine learning parece algo místico, mas a ideia central é simples: em vez de escrever as regras você mesmo, você mostra muitos exemplos a um programa e deixa que ele encontre as regras. Quase tudo neste módulo se apoia em três ideias.
Features e rótulos
Um exemplo é dividido em duas partes. As features são o que você já sabe de início (o tamanho de uma casa, o número de quartos). O rótulo é o que você quer prever (o preço). Por longa tradição, as features se chamam X (uma tabela, letra maiúscula) e o rótulo se chama y (uma única coluna, minúscula).
X (features) y (label)
size_sqft bedrooms price_k
650 1 220
800 2 265
1200 3 410Supervisionado vs não supervisionado
- O aprendizado supervisionado tem rótulos. Você sabe a resposta certa para cada exemplo de treino, então o modelo aprende a mapear
Xparay. Prever preço, ou separar e-mails entre spam e não spam, são tarefas supervisionadas. - O aprendizado não supervisionado não tem rótulos. Você só tem
Xe pede ao modelo que encontre estrutura, como agrupar clientes parecidos. Este módulo inteiro é supervisionado.
O padrão fit / predict
Todo modelo do scikit-learn fala os mesmos dois verbos. Você vai ver este formato de novo e de novo:
model = SomeModel()
model.fit(X, y) # learn from examples
model.predict(X_new) # guess labels for new rowsEsse é todo o ritual. A parte difícil nunca é a API, é escolher boas features e medir com honestidade o quão bem o modelo se sai, que é o assunto do resto deste módulo.
Neste exercício você ainda não vai treinar nada. Você só vai fazer o primeiro passo, pouco glamoroso mas essencial: pegar uma tabela pequena e dividi-la em X e y.
Um pequeno DataFrame de moradia df é fornecido com as colunas size_sqft, bedrooms e price_k. Defina feature_cols = ["size_sqft", "bedrooms"], construa X = df[feature_cols] (apenas as duas colunas de entrada) e y = df["price_k"] (o rótulo). Depois defina n_features para o número de colunas de características e n_samples para o número de linhas.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.