Oppiskele Haaste: Erottamattoman Datan Luokittelu

Tulet käyttämään seuraavaa aineistoa, jossa on kaksi ominaisuutta:


              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())

Jos suoritat alla olevan koodin ja tarkastelet tuloksena saatavaa hajontakuviota, huomaat, että aineisto ei ole lineaarisesti eroteltavissa:


              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()

Käytetään ristivalidointia yksinkertaisen logistisen regressiomallin arviointiin tällä datalla:


              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}')

Kuten huomaat, tavallinen logistinen regressio ei sovellu tähän tehtävään. Polynomiregressio voi parantaa mallin suorituskykyä. Lisäksi GridSearchCV:n käyttö mahdollistaa optimaalisen C-parametrin löytämisen paremman tarkkuuden saavuttamiseksi.

Konstruktori:

GridSearchCV(estimator, param_grid, scoring, cv = 5)
estimator — mallin olio;
param_grid — sanakirja, jossa on haettavat parametrien arvot;
scoring — metriikka, jota käytetään ristiinvalidoinnin pisteytykseen;
cv — taitosten määrä (oletuksena 5);

Menetelmät:

fit(X, y) — mallien koulutus käyttäen X, y;
predict(X) — luokan ennustaminen X:lle;
score(X, y) — palauttaa tarkkuuden X, y -joukolle;

Attribuutit:

best_estimator_ — paras pistemäärän saanut mallin olio;
best_score_ — best_estimator_:n pistemäärä.

Tässä tehtävässä käytetään myös Pipeline-luokkaa. Voit ajatella sitä esikäsittelyvaiheiden jonomaisena sarjana. Sen .fit_transform()-metodi soveltaa peräkkäin .fit_transform()-toimintoa jokaisessa putkiston vaiheessa.

Tehtävä

Swipe to start coding

Sinulle on annettu tietojoukko, joka on kuvattu DataFrame-muodossa muuttujassa df.

Luo putki (pipeline), joka sisältää muuttujan X toisen asteen polynomiset piirteet ja skaalaa ne. Tallenna tuloksena syntyvä putki muuttujaan pipe.
Luo param_grid-sanakirja, jossa [0.01, 0.1, 1, 10, 100]-hyperparametrin arvoina ovat C.
Alusta ja kouluta GridSearchCV-olio ja tallenna koulutettu olio muuttujaan grid_cv.

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 26

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Pyyhkäise näyttääksesi valikon