Impara Sfida: Classificazione di Dati Inseparabili

Utilizzerai il seguente dataset con due caratteristiche:


              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())

Se esegui il codice qui sotto e osservi il grafico a dispersione risultante, noterai che il dataset non è linearmente separabile:


              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()

Utilizzo della validazione incrociata per valutare una semplice regressione logistica su questi dati:


              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}')

Come puoi vedere, la Regressione Logistica standard non è adatta a questo compito. L'utilizzo della regressione polinomiale può aiutare a migliorare le prestazioni del modello. Inoltre, l'impiego di GridSearchCV consente di trovare il parametro ottimale C per una maggiore accuratezza.

Costruttore:

GridSearchCV(estimator, param_grid, scoring, cv = 5)
estimator — oggetto modello;
param_grid — dizionario con i valori dei parametri da esplorare;
- scoring — metrica utilizzata per la valutazione tramite cross-validation;
cv — numero di fold (5 di default);

Metodi:

fit(X, y) — addestramento dei modelli utilizzando X, y;
predict(X) — previsione della classe per X;
score(X, y) — restituisce l'accuratezza per il set X, y;

Attributi:

best_estimator_ — oggetto del modello con il punteggio più alto;
best_score_ — punteggio del best_estimator_.

Questo esercizio utilizza anche la classe Pipeline. Puoi considerarla come una sequenza di passaggi di pre-processing. Il suo metodo .fit_transform() applica sequenzialmente .fit_transform() a ciascun passaggio della pipeline.

Compito

Swipe to start coding

Ti viene fornito un dataset descritto come un DataFrame nella variabile df.

Creare una pipeline che includa le caratteristiche polinomiali di grado 2 di X, venga scalata e memorizzare la pipeline risultante nella variabile pipe.
Creare un dizionario param_grid con i valori [0.01, 0.1, 1, 10, 100] per l'iperparametro C.
Inizializzare e addestrare un oggetto GridSearchCV e memorizzare l'oggetto addestrato nella variabile grid_cv.

Soluzione

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 26

single

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Scorri per mostrare il menu