Flerklassesklassifisering
Flerklassesklassifisering med k-NN er like enkelt som binær klassifisering. Vi velger bare klassen som dominerer i nabolaget.
KNeighborsClassifier
utfører automatisk en flerkassesklassifisering hvis y
har mer enn to funksjoner, så du trenger ikke å endre noe. Det eneste som endres er y
-variabelen som mates inn i .fit()
-metoden.
Nå skal du utføre en flerklassesklassifisering med k-NN. Se på følgende datasett:
1234import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/starwars_multiple.csv') print(df.head())
Det er det samme som i eksempelet fra forrige kapittel, men nå kan målet ha tre verdier:
- 0: "Hatet det" (vurdering er mindre enn 3/5);
- 1: "Meh" (vurdering mellom 3/5 og 4/5);
- 2: "Likte det" (vurdering er 4/5 eller høyere).
Swipe to start coding
Du har fått Star Wars-rangeringene lagret som et DataFrame
i variabelen df
.
- Initialiser en passende skaleringsmetode og lagre den i variabelen
scaler
. - Beregn skaleringsparametrene på treningsdataene, skaler dem, og lagre resultatet i variabelen
X_train
. - Skaler testdataene og lagre resultatet i variabelen
X_test
. - Opprett en instans av k-NN med
13
naboer, tren den på treningssettet, og lagre den i variabelenknn
. - Gjør prediksjoner på testsettet og lagre dem i variabelen
y_pred
.
Løsning
Takk for tilbakemeldingene dine!
single
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Can you explain how to use KNeighborsClassifier for this dataset?
What do the features in the dataset represent?
How do I interpret the output of the classifier?
Awesome!
Completion rate improved to 4.17
Flerklassesklassifisering
Sveip for å vise menyen
Flerklassesklassifisering med k-NN er like enkelt som binær klassifisering. Vi velger bare klassen som dominerer i nabolaget.
KNeighborsClassifier
utfører automatisk en flerkassesklassifisering hvis y
har mer enn to funksjoner, så du trenger ikke å endre noe. Det eneste som endres er y
-variabelen som mates inn i .fit()
-metoden.
Nå skal du utføre en flerklassesklassifisering med k-NN. Se på følgende datasett:
1234import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/starwars_multiple.csv') print(df.head())
Det er det samme som i eksempelet fra forrige kapittel, men nå kan målet ha tre verdier:
- 0: "Hatet det" (vurdering er mindre enn 3/5);
- 1: "Meh" (vurdering mellom 3/5 og 4/5);
- 2: "Likte det" (vurdering er 4/5 eller høyere).
Swipe to start coding
Du har fått Star Wars-rangeringene lagret som et DataFrame
i variabelen df
.
- Initialiser en passende skaleringsmetode og lagre den i variabelen
scaler
. - Beregn skaleringsparametrene på treningsdataene, skaler dem, og lagre resultatet i variabelen
X_train
. - Skaler testdataene og lagre resultatet i variabelen
X_test
. - Opprett en instans av k-NN med
13
naboer, tren den på treningssettet, og lagre den i variabelenknn
. - Gjør prediksjoner på testsettet og lagre dem i variabelen
y_pred
.
Løsning
Takk for tilbakemeldingene dine!
single