Dự án: Phân loại hoa từ đầu đến cuối
Đến lúc tự mình ráp toàn bộ đường ống, không có giàn giáo nào. Đây chính xác là quy trình bạn sẽ dùng cho một bài toán thật.
Bạn được cho một tập dữ liệu hoa nhỏ giống iris dưới dạng một DataFrame tên data. Mỗi hàng có hai đặc trưng, petal_len và petal_wid, và một nhãn species là 0, 1, hoặc 2 cho ba loại hoa. Ba loài chiếm các kích thước cánh hoa khác nhau rõ rệt, nên một mô hình tốt phải tách chúng tốt.
Việc của bạn là toàn bộ chuỗi bước bạn đã học, theo thứ tự:
- Tách đặc trưng và nhãn thành
Xvày. - Giữ lại một tập kiểm tra bằng
train_test_split. - Huấn luyện một mô hình trên tập huấn luyện.
- Dự đoán trên tập kiểm tra.
- Đánh giá bằng độ chính xác trên tập kiểm tra đó.
Hai chi tiết cho một lần chạy gọn gàng, tái lập được. Truyền random_state=0 ở mọi chỗ có tính ngẫu nhiên (cách chia và mô hình). Và truyền stratify=y cho train_test_split để tập kiểm tra giữ cùng tỷ lệ ba loài thay vì, giả sử, tình cờ bỏ sót một loài, điều quan trọng khi mỗi lớp đều nhỏ.
Đây là cùng vòng lặp đó, phóng to, chạy đằng sau các bộ lọc spam, các xét nghiệm sàng lọc y tế, và các hệ thống gợi ý. Mô hình ở đây nhỏ và dữ liệu thân thiện, nhưng hình dạng công việc thì đúng y như thật.
Dùng DataFrame data được cho: đặt X = data[["petal_len", "petal_wid"]] và y = data["species"]. Chia bằng train_test_split(X, y, test_size=0.25, random_state=0, stratify=y) thành X_train, X_test, y_train, y_test. Huấn luyện một RandomForestClassifier(n_estimators=50, random_state=0) tên model trên tập huấn luyện, dự đoán trên X_test vào predictions, và đặt acc = accuracy_score(y_test, predictions).
Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này
Bài tập này sẽ sớm mở.
Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.