Lære Utfordring: Klassifisering av uatskillelige data

Du vil bruke følgende datasett med to funksjoner:


              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())

Hvis du kjører koden nedenfor og ser på det resulterende spredningsdiagrammet, vil du se at datasettet ikke er lineært separerbart:


              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()

Bruk av kryssvalidering for å evaluere en enkel logistisk regresjon på dette datasettet:


              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}')

Som du kan se, er vanlig logistisk regresjon ikke egnet for denne oppgaven. Bruk av polynomisk regresjon kan bidra til å forbedre modellens ytelse. I tillegg gir bruk av GridSearchCV deg muligheten til å finne den optimale C-parameteren for bedre nøyaktighet.

Konstruktør:

GridSearchCV(estimator, param_grid, scoring, cv = 5)
estimator — modellobjektet;
param_grid — ordbok med parametere og verdier som skal undersøkes;
scoring — metrikken som brukes for kryssvalideringsscore;
cv — antall fold (5 som standard);

Metoder:

fit(X, y) — trener modellene ved bruk av X, y;
predict(X) — predikerer klassen for X;
score(X, y) — returnerer nøyaktigheten for X, y-settet;

Attributter:

best_estimator_ — objektet til modellen med høyest score;
best_score_ — scoren til best_estimator_.

Denne oppgaven bruker også Pipeline-klassen. Du kan se på den som en sekvens av forhåndsprosesseringssteg. Dens .fit_transform()-metode anvender sekvensielt .fit_transform() på hvert steg i pipelinen.

Oppgave

Swipe to start coding

Du har fått et datasett beskrevet som en DataFrame i variabelen df.

Opprett en pipeline som inneholder polynomielle trekk av grad 2 for X, skaler disse, og lagre den resulterende pipelinen i variabelen pipe.
Opprett en ordbok param_grid med verdiene [0.01, 0.1, 1, 10, 100] for hyperparameteren C.
Initialiser og tren et GridSearchCV-objekt og lagre det trente objektet i variabelen grid_cv.

Løsning

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 26

single

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Sveip for å vise menyen