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()

Utilisation de la validation croisée pour évaluer une régression logistique simple sur cet ensemble de 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 aider à améliorer les performances du modèle. De plus, l'utilisation de GridSearchCV permet de trouver le paramètre optimal C pour une meilleure précision.

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

Créer un pipeline qui inclut les caractéristiques polynomiales de degré 2 de X, applique une mise à l'échelle, et stocker le pipeline résultant dans la variable pipe.
Créer un dictionnaire param_grid avec 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 2. Chapitre 6

single

Demandez à l'IA

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

Suggested prompts:

Can you explain how to use polynomial regression with this dataset?

How does GridSearchCV help in finding the optimal C parameter?

What is the purpose of using a Pipeline in this context?

Glissez pour afficher le menu