Багатокласова класифікація
Багатокласова класифікація за допомогою k-NN така ж проста, як і бінарна класифікація. Потрібно лише обрати клас, який переважає серед сусідів.
KNeighborsClassifier автоматично виконує багатокласову класифікацію, якщо y містить більше двох ознак, тому нічого змінювати не потрібно. Єдина відмінність — це змінна y, яку передають методу .fit().
Тепер виконайте багатокласову класифікацію з k-NN. Розгляньте наступний набір даних:
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())
Це те саме, що й у прикладі з попереднього розділу, але тепер цільова змінна може набувати трьох значень:
- 0: "Не сподобалося" (оцінка менше 3/5);
- 1: "Так собі" (оцінка від 3/5 до 4/5);
- 2: "Сподобалося" (оцінка 4/5 або вище).
Swipe to start coding
Вам надано набір даних з оцінками Star Wars, збережений як DataFrame у змінній df.
- Ініціалізуйте відповідний масштабувальник і збережіть його у змінній
scaler. - Обчисліть параметри масштабування на тренувальних даних, виконайте масштабування та збережіть результат у змінній
X_train. - Масштабуйте тестові дані та збережіть результат у змінній
X_test. - Створіть екземпляр k-NN з
13сусідами, навчіть його на тренувальній вибірці та збережіть у зміннійknn. - Зробіть передбачення на тестовій вибірці та збережіть їх у змінній
y_pred.
Рішення
Дякуємо за ваш відгук!
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Awesome!
Completion rate improved to 4.17Багатокласова класифікація
Свайпніть щоб показати меню
Багатокласова класифікація за допомогою k-NN така ж проста, як і бінарна класифікація. Потрібно лише обрати клас, який переважає серед сусідів.
KNeighborsClassifier автоматично виконує багатокласову класифікацію, якщо y містить більше двох ознак, тому нічого змінювати не потрібно. Єдина відмінність — це змінна y, яку передають методу .fit().
Тепер виконайте багатокласову класифікацію з k-NN. Розгляньте наступний набір даних:
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())
Це те саме, що й у прикладі з попереднього розділу, але тепер цільова змінна може набувати трьох значень:
- 0: "Не сподобалося" (оцінка менше 3/5);
- 1: "Так собі" (оцінка від 3/5 до 4/5);
- 2: "Сподобалося" (оцінка 4/5 або вище).
Swipe to start coding
Вам надано набір даних з оцінками Star Wars, збережений як DataFrame у змінній df.
- Ініціалізуйте відповідний масштабувальник і збережіть його у змінній
scaler. - Обчисліть параметри масштабування на тренувальних даних, виконайте масштабування та збережіть результат у змінній
X_train. - Масштабуйте тестові дані та збережіть результат у змінній
X_test. - Створіть екземпляр k-NN з
13сусідами, навчіть його на тренувальній вибірці та збережіть у зміннійknn. - Зробіть передбачення на тестовій вибірці та збережіть їх у змінній
y_pred.
Рішення
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівДякуємо за ваш відгук!
single
