Lære Udfordring: Klassificering af Uadskillelige Data

Du vil bruge følgende datasæt med to funktioner:


              1234
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/circles.csv')
print(df.head())

Hvis du kører koden nedenfor og ser på det resulterende spredningsdiagram, vil du se, at datasættet ikke er lineært adskilleligt:


              123456
            
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/circles.csv')
plt.scatter(df['X1'], df['X2'], c=df['y'])
plt.show()

Lad os anvende krydsgodkendelse til at evaluere en simpel logistisk regression på dette datasæt:


              123456789101112131415161718
            
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/circles.csv')
X = df[['X1', 'X2']]
y = df['y']

X = StandardScaler().fit_transform(X)
lr = LogisticRegression().fit(X, y)

y_pred = lr.predict(X)
plt.scatter(df['X1'], df['X2'], c=y_pred)
plt.show()

print(f'Cross-validation accuracy: {cross_val_score(lr, X, y).mean():.2f}')

Som du kan se, er almindelig logistisk regression ikke egnet til denne opgave. Brug af polynomiel regression kan hjælpe med at forbedre modellens ydeevne. Derudover gør anvendelsen af GridSearchCV det muligt at finde den optimale C-parameter for bedre nøjagtighed.

Denne opgave anvender også klassen Pipeline. Du kan betragte den som en sekvens af forbehandlingsskridt. Dens .fit_transform()-metode anvender sekventielt .fit_transform() på hvert trin i pipelinen.

Opgave

Swipe to start coding

Du har fået et datasæt, der er beskrevet som en DataFrame i variablen df.

Opret en pipeline, der indeholder polynomielle features af grad 2 af X, og som bliver skaleret. Gem den resulterende pipeline i variablen pipe.
Opret en ordbog param_grid med værdierne [0.01, 0.1, 1, 10, 100] for hyperparameteren C.
Initialiser og træn et GridSearchCV-objekt, og gem det trænede objekt i variablen grid_cv.

Løsning

Var alt klart?

Tak for dine kommentarer!

Sektion 2. Kapitel 6

single

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Awesome!

Completion rate improved to 4.17

Stryg for at vise menuen