Proje: Uçtan Uca Çiçek Sınıflandırma
Artık tüm pipeline'ı hiçbir destek almadan kendin kurma vakti. Bu, gerçek bir problemde kullanacağın tam iş akışıdır.
Sana data adında küçük, iris benzeri bir çiçek veri seti DataFrame olarak veriliyor. Her satırda petal_len ve petal_wid özellikleri ile üç çiçek türü için 0, 1 veya 2 olan species etiketi bulunuyor. Üç tür açıkça farklı taç yaprağı boyutlarına sahip, bu yüzden iyi bir model onları iyi ayırmalıdır.
Görevin öğrendiğin tam dizidir, sırasıyla:
- Split özelliklerini ve etiketini
Xveyolarak ayır. - Ayır bir test seti
train_test_split. - Train eğitim seti üzerinde bir model eğit.
- Test set üzerinde tahmin et.
- Evaluate test setindeki verilerle doğru şekilde çalıştır.
Temiz ve tekrarlanabilir bir çalışma için iki ayrıntı. Rastgeleliğin göründüğü her yere random_state=0 gönder. Ve test setinin, örneğin şans eseri bir türü dışarıda bırakmak yerine üç türün aynı karışımını koruması için stratify=y değerini train_test_split değerine gönder. Bu, her sınıf küçük olduğunda önemlidir.
Bu, spam filtrelerinin, tıbbi ekranların ve öneri sistemlerinin arkasında çalışan, ölçeklendirilmiş aynı döngü. Buradaki model küçük ve veri dostane, ama işin şekli tamamen gerçek.
Verilen DataFrame data'yi kullanarak X = data[["petal_len", "petal_wid"]] ve y = data["species"]'yi ayarla. train_test_split(X, y, test_size=0.25, random_state=0, stratify=y) ile X_train, X_test, y_train, y_test'ye böl. Eğitim seti üzerinde model adlı bir RandomForestClassifier(n_estimators=50, random_state=0) eğit, X_test üzerinde predictions'ye tahmin yap ve acc = accuracy_score(y_test, predictions)'yi ayarla.
Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor
Bu alıştırma yakında açılacak
Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.
Bu tarayıcı learn.floati.life için çerezleri engelliyor, bu yüzden burada bitirdiğin dersler sırasıyla açılamıyor. Bu site için çerezlere izin ver ve sayfayı yenile.