Kneighborsclassifier
Ved oprettelse af den endelige estimator i en pipeline blev den valgte model KNeighborsClassifier. Dette kapitel giver en kort forklaring på, hvordan algoritmen fungerer.
Hvordan modeller fungerer, er ikke hovedemnet i dette kursus, så det er i orden, hvis noget virker uklart. Det forklares mere detaljeret i andre kurser som Linear Regression with Python eller Classification with Python.
k-Nærmeste Naboer
k-NN forudsiger klassen for en ny observation ved at se på dens k mest lignende træningsprøver.
KNeighborsClassifier implementerer dette i Scikit-learn.
- For et nyt punkt findes de k nærmeste naboer ved hjælp af lighed i egenskaber.
- Den mest almindelige klasse blandt dem bliver forudsigelsen.
k er en hyperparameter (standard = 5). Forskellige værdier ændrer modellens adfærd, så justering af k er vigtig.
KNeighborsClassifier under .fit()
I modsætning til mange algoritmer gemmer KNeighborsClassifier blot træningsdataene.
Det er dog nødvendigt at kalde .fit(X, y), så modellen ved, hvilket datasæt der skal refereres til under forudsigelse.
KNeighborsClassifier under .predict()
Under forudsigelse søger klassifikatoren efter hver instans’ k nærmeste naboer. I det visuelle eksempel vises kun to features; tilføjelse af flere features forbedrer normalt klasseseparation og forudsigelsesnøjagtighed.
I gifs ovenfor bruges kun to features, 'body_mass_g' og 'culmen_depth_mm', fordi det er udfordrende at visualisere højdimensionelle plots. Inkludering af yderligere features vil sandsynligvis hjælpe modellen med bedre at adskille de grønne og røde datapunkter, hvilket gør det muligt for KNeighborsClassifier at lave mere præcise forudsigelser.
KNeighborsClassifier kodeeksempel
Du kan oprette en klassifikator, træne den og kontrollere dens nøjagtighed ved hjælp af .score().
Argumentet n_neighbors styrer k—prøv både 5 og 1.
12345678910111213import pandas as pd from sklearn.neighbors import KNeighborsClassifier df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_pipelined.csv') # Assign X, y variables (X is already preprocessed and y is already encoded) X, y = df.drop('species', axis=1), df['species'] # Initialize and train a model knn5 = KNeighborsClassifier().fit(X, y) # Trained 5 neighbors model knn1 = KNeighborsClassifier(n_neighbors=1).fit(X, y) # Trained 1 neighbor model # Print the scores of both models print('5 Neighbors score:',knn5.score(X, y)) print('1 Neighbor score:',knn1.score(X, y))
Brug af k=1 kan give perfekt nøjagtighed, men dette er misvisende, fordi evalueringen blev udført på træningssættet.
For at måle reel ydeevne skal modellen altid testes på usete data.
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Fantastisk!
Completion rate forbedret til 3.13Kneighborsclassifier
Stryg for at vise menuen
Ved oprettelse af den endelige estimator i en pipeline blev den valgte model KNeighborsClassifier. Dette kapitel giver en kort forklaring på, hvordan algoritmen fungerer.
Hvordan modeller fungerer, er ikke hovedemnet i dette kursus, så det er i orden, hvis noget virker uklart. Det forklares mere detaljeret i andre kurser som Linear Regression with Python eller Classification with Python.
k-Nærmeste Naboer
k-NN forudsiger klassen for en ny observation ved at se på dens k mest lignende træningsprøver.
KNeighborsClassifier implementerer dette i Scikit-learn.
- For et nyt punkt findes de k nærmeste naboer ved hjælp af lighed i egenskaber.
- Den mest almindelige klasse blandt dem bliver forudsigelsen.
k er en hyperparameter (standard = 5). Forskellige værdier ændrer modellens adfærd, så justering af k er vigtig.
KNeighborsClassifier under .fit()
I modsætning til mange algoritmer gemmer KNeighborsClassifier blot træningsdataene.
Det er dog nødvendigt at kalde .fit(X, y), så modellen ved, hvilket datasæt der skal refereres til under forudsigelse.
KNeighborsClassifier under .predict()
Under forudsigelse søger klassifikatoren efter hver instans’ k nærmeste naboer. I det visuelle eksempel vises kun to features; tilføjelse af flere features forbedrer normalt klasseseparation og forudsigelsesnøjagtighed.
I gifs ovenfor bruges kun to features, 'body_mass_g' og 'culmen_depth_mm', fordi det er udfordrende at visualisere højdimensionelle plots. Inkludering af yderligere features vil sandsynligvis hjælpe modellen med bedre at adskille de grønne og røde datapunkter, hvilket gør det muligt for KNeighborsClassifier at lave mere præcise forudsigelser.
KNeighborsClassifier kodeeksempel
Du kan oprette en klassifikator, træne den og kontrollere dens nøjagtighed ved hjælp af .score().
Argumentet n_neighbors styrer k—prøv både 5 og 1.
12345678910111213import pandas as pd from sklearn.neighbors import KNeighborsClassifier df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_pipelined.csv') # Assign X, y variables (X is already preprocessed and y is already encoded) X, y = df.drop('species', axis=1), df['species'] # Initialize and train a model knn5 = KNeighborsClassifier().fit(X, y) # Trained 5 neighbors model knn1 = KNeighborsClassifier(n_neighbors=1).fit(X, y) # Trained 1 neighbor model # Print the scores of both models print('5 Neighbors score:',knn5.score(X, y)) print('1 Neighbor score:',knn1.score(X, y))
Brug af k=1 kan give perfekt nøjagtighed, men dette er misvisende, fordi evalueringen blev udført på træningssættet.
For at måle reel ydeevne skal modellen altid testes på usete data.
Tak for dine kommentarer!
