Apprendre Défi : Classification de Données Inséparables

Vous utiliserez le jeu de données suivant avec deux caractéristiques :


              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())

Si vous exécutez le code ci-dessous et examinez le nuage de points obtenu, vous constaterez que le jeu de données n'est pas linéairement séparable :


              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()

Utilisons la validation croisée pour évaluer une régression logistique simple sur ces données :


              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}')

Comme vous pouvez le constater, la régression logistique classique n'est pas adaptée à cette tâche. L'utilisation de la régression polynomiale peut améliorer les performances du modèle. De plus, l'emploi de GridSearchCV permet d'identifier le paramètre optimal C pour une meilleure précision.

Constructeur :

GridSearchCV(estimator, param_grid, scoring, cv = 5)
estimator — l'objet du modèle ;
param_grid — dictionnaire contenant les valeurs des paramètres à explorer ;
scoring — la métrique utilisée pour l'évaluation croisée ;
cv — le nombre de plis (5 par défaut) ;

Méthodes :

fit(X, y) — entraînement des modèles avec X, y ;
predict(X) — prédiction de la classe pour X ;
score(X, y) — retourne la précision pour l'ensemble X, y ;

Attributs :

best_estimator_ — objet du modèle avec le meilleur score ;
best_score_ — score du best_estimator_.

Cette tâche utilise également la classe Pipeline. Celle-ci peut être considérée comme une séquence d'étapes de prétraitement. Sa méthode .fit_transform() applique séquentiellement .fit_transform() à chaque étape du pipeline.

Tâche

Swipe to start coding

Un ensemble de données vous est fourni sous forme de DataFrame dans la variable df.

Créer un pipeline qui inclura les caractéristiques polynomiales de degré 2 de X, puis appliquer une mise à l'échelle, et stocker le pipeline résultant dans la variable pipe.
Créer un dictionnaire param_grid contenant les valeurs [0.01, 0.1, 1, 10, 100] pour l'hyperparamètre C.
Initialiser et entraîner un objet GridSearchCV et stocker l'objet entraîné dans la variable grid_cv.

Solution

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 26

single

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Glissez pour afficher le menu