Aprenda Desafio: Classificando Dados Inseparáveis

Você utilizará o seguinte conjunto de dados com duas variáveis:


              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 você executar o código abaixo e observar o gráfico de dispersão resultante, verá que o conjunto de dados não é linearmente separável:


              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()

Vamos utilizar a validação cruzada para avaliar uma regressão logística simples nesses dados:


              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}')

Como pode ser observado, a Regressão Logística tradicional não é adequada para esta tarefa. Utilizar regressão polinomial pode ajudar a melhorar o desempenho do modelo. Além disso, empregar o GridSearchCV permite encontrar o parâmetro C ideal para obter maior precisão.

Construtor:

GridSearchCV(estimator, param_grid, scoring, cv = 5)
estimator — objeto do modelo;
param_grid — dicionário com os valores dos parâmetros a serem testados;
scoring — métrica utilizada para avaliação na validação cruzada;
cv — número de divisões (5 por padrão);

Métodos:

fit(X, y) — treina os modelos utilizando X, y;
predict(X) — prediz a classe para X;
score(X, y) — retorna a acurácia para o conjunto X, y;

Atributos:

best_estimator_ — objeto do modelo com a maior pontuação;
best_score_ — pontuação do best_estimator_.

Esta tarefa também utiliza a classe Pipeline. Pode-se considerá-la como uma sequência de etapas de pré-processamento. O método .fit_transform() aplica sequencialmente o .fit_transform() a cada etapa do pipeline.

Tarefa

Swipe to start coding

Você recebe um conjunto de dados descrito como um DataFrame na variável df.

Crie um pipeline que contenha as características polinomiais de grau 2 de X, faça a padronização e armazene o pipeline resultante na variável pipe.
Crie um dicionário param_grid com os valores [0.01, 0.1, 1, 10, 100] para o hiperparâmetro C.
Inicialize e treine um objeto GridSearchCV e armazene o objeto treinado na variável grid_cv.

Solução

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 1. Capítulo 26

single

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Deslize para mostrar o menu