Clasificación Multiclase
La clasificación multiclase con k-NN es tan sencilla como la clasificación binaria. Simplemente se selecciona la clase que predomina en el vecindario.
El KNeighborsClassifier realiza automáticamente una clasificación multiclase si y tiene más de dos características, por lo que no es necesario modificar nada. Lo único que cambia es la variable y que se proporciona al método .fit().
Ahora, se realizará una clasificación multiclase con k-NN. Considere el siguiente conjunto de datos:
1234import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/starwars_multiple.csv') print(df.head())
Es igual que en el ejemplo del capítulo anterior, pero ahora el objetivo puede tomar tres valores:
- 0: "Lo odié" (calificación menor a 3/5);
- 1: "Meh" (calificación entre 3/5 y 4/5);
- 2: "Me gustó" (calificación de 4/5 o superior).
Swipe to start coding
Se proporciona el conjunto de datos de calificaciones de Star Wars almacenado como un DataFrame en la variable df.
- Inicializar un escalador apropiado y almacenarlo en la variable
scaler. - Calcular los parámetros de escalado en los datos de entrenamiento, escalar dichos datos y guardar el resultado en la variable
X_train. - Escalar los datos de prueba y guardar el resultado en la variable
X_test. - Crear una instancia de k-NN con
13vecinos, entrenarla con el conjunto de entrenamiento y almacenarla en la variableknn. - Realizar predicciones sobre el conjunto de prueba y almacenarlas en la variable
y_pred.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Genial!
Completion tasa mejorada a 3.33Clasificación Multiclase
Desliza para mostrar el menú
La clasificación multiclase con k-NN es tan sencilla como la clasificación binaria. Simplemente se selecciona la clase que predomina en el vecindario.
El KNeighborsClassifier realiza automáticamente una clasificación multiclase si y tiene más de dos características, por lo que no es necesario modificar nada. Lo único que cambia es la variable y que se proporciona al método .fit().
Ahora, se realizará una clasificación multiclase con k-NN. Considere el siguiente conjunto de datos:
1234import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/starwars_multiple.csv') print(df.head())
Es igual que en el ejemplo del capítulo anterior, pero ahora el objetivo puede tomar tres valores:
- 0: "Lo odié" (calificación menor a 3/5);
- 1: "Meh" (calificación entre 3/5 y 4/5);
- 2: "Me gustó" (calificación de 4/5 o superior).
Swipe to start coding
Se proporciona el conjunto de datos de calificaciones de Star Wars almacenado como un DataFrame en la variable df.
- Inicializar un escalador apropiado y almacenarlo en la variable
scaler. - Calcular los parámetros de escalado en los datos de entrenamiento, escalar dichos datos y guardar el resultado en la variable
X_train. - Escalar los datos de prueba y guardar el resultado en la variable
X_test. - Crear una instancia de k-NN con
13vecinos, entrenarla con el conjunto de entrenamiento y almacenarla en la variableknn. - Realizar predicciones sobre el conjunto de prueba y almacenarlas en la variable
y_pred.
Solución
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones¡Gracias por tus comentarios!
single
