Müfredat 250 dersinden 85. · İlk Makine Öğrenmesi Modellerin
İlk Makine Öğrenmesi Modellerin

Makine Öğrenmesi Zihinsel Modeli

Makine öğrenmesi mistik görünebilir ama temel fikir çok basit: kuralları kendin yazmak yerine, bir programa çok sayıda örnek gösteriyorsun ve kuralları kendisinin bulmasına izin veriyorsun. Bu modüldeki hemen hemen her şey üç fikir üzerine kurulu.

Özellikler ve etiketler

Bir örnek iki kısma ayrılır. features başlangıçta bildiğin şeylerdir (bir evin büyüklüğü, yatak odası sayısı). label tahmin etmek istediğin şeydir (fiyatı). Uzun bir gelenekle, features X (bir tablo, büyük harf) olarak adlandırılır ve label y (tek bir sütun, küçük harf) olarak adlandırılır.

      X (features)          y (label)
  size_sqft  bedrooms        price_k
     650        1              220
     800        2              265
    1200        3              410

Denetimli ve denetimsiz

  • Supervised öğrenme etiketlere sahiptir. Her eğitim örneği için doğru cevabı biliyorsun, bu yüzden model X değerini y değerine eşlemeyi öğrenir. Fiyat tahmini yapmak veya e-postaları spam ve spam olmayan olarak sıralamak denetimli öğrenmedir.
  • Unsupervised öğrenmede etiket yoktur. Sadece X vardır ve modeli benzer müşterileri gruplandırmak gibi bir yapı bulması için istersin. Bu modülün tamamı supervised.

fit / predict kalıbı

Her scikit-learn modeli aynı iki fiili konuşur. Bu yapıyı tekrar tekrar göreceksin:

model = SomeModel()
model.fit(X, y)          # learn from examples
model.predict(X_new)     # guess labels for new rows

Bütün ritüel bu kadar. Zor kısım asla API değil, iyi özellikler seçmek ve modelin ne kadar iyi performans gösterdiğini dürüstçe ölçmektir, bu modülün geri kalanı da bununla ilgili.

Bu egzersizde henüz hiçbir şey eğitmeyeceksin. Sadece gösterişsiz ama temel ilk adımı yapacaksın: küçük bir tablo al ve onu X ve y parçalarına ayır.

Senin sıran

size_sqft, bedrooms ve price_k sütunlarına sahip küçük bir housing DataFrame df verildi. feature_cols = ["size_sqft", "bedrooms"] ayarla, X = df[feature_cols] (sadece iki giriş sütunu) ve y = df["price_k"] (etiket) oluştur. Sonra n_features değerini özellik sütun sayısı, n_samples değerini ise satır sayısı yap.

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.