Lära Utmaning: Klassificering av Oskiljbara Data

Du kommer att använda följande dataset med två funktioner:


              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())

Om du kör koden nedan och tittar på det resulterande spridningsdiagrammet, kommer du att se att datasetet inte är linjärt 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()

Låt oss använda korsvalidering för att utvärdera en enkel logistisk regression på dessa data:


              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 är vanlig logistisk regression inte lämplig för denna uppgift. Att använda polynomregression kan hjälpa till att förbättra modellens prestanda. Dessutom möjliggör användning av GridSearchCV att hitta den optimala C-parametern för bättre noggrannhet.

Denna uppgift använder också klassen Pipeline. Du kan se det som en sekvens av förbehandlingssteg. Dess metod .fit_transform() tillämpar sekventiellt .fit_transform() på varje steg i pipelinen.

Uppgift

Swipe to start coding

Du får ett dataset beskrivet som en DataFrame i variabeln df.

Skapa en pipeline som innehåller polynomfunktioner av grad 2 för X och skalas, och spara den resulterande pipelinen i variabeln pipe.
Skapa en ordbok param_grid med värdena [0.01, 0.1, 1, 10, 100] för hyperparametern C.
Initiera och träna ett GridSearchCV-objekt och spara det tränade objektet i variabeln grid_cv.

Lösning

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 6

single

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

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?

Awesome!

Completion rate improved to 4.17

Svep för att visa menyn