Publica el modelo

Parte de la sección Aprendizaje supervisado del Journey de Machine Learning de Coddy. Lección 54 de 58.

Los pingüinos de prueba han esperado durante todo el proyecto. Ajusta la canalización optimizada con las filas de entrenamiento y después evalúala una sola vez con los pingüinos de prueba: el número honesto.

Después, observa dónde falla. El modelo de una clínica clasifica a las personas como sanas, con resfriado o con gripe; las filas muestran la realidad y las columnas, sus predicciones:

Una matriz de confusión de 3 por 3 del modelo de una clínica con 60 pacientes de prueba, sanos, con resfriado y con gripe: la diagonal contiene 20, 14 y 17 respuestas correctas, y 5 resfriados se clasificaron como gripe

Un pingüino nuevo es una tabla de una fila con las columnas de entrenamiento. predict lo identifica, y predict_proba(new).max() indica cuánta seguridad hay: la proporción de la clase ganadora; para k-NN, los vecinos que coinciden.

Desafío

Intermedio

La meta. model es tu canalización ajustada; el programa inicial lee un pingüino nuevo en new_penguin.

Ajusta el modelo con las filas de entrenamiento. Imprime su precisión de prueba (3 decimales) y cuántos pingüinos de prueba clasificó correctamente.
Dibuja la matriz de confusión de las predicciones de prueba en ax y muéstrala.
Indica quién es el pingüino nuevo y cuánta seguridad tiene el modelo, en porcentaje.

Para una colonia en otra estación:

Test accuracy: 0.960 (72 of 75 penguins)
New penguin: Gentoo (86% sure)

y su matriz:

Una matriz de confusión titulada Test Penguins para otra estación: 29 Adelie, 16 Chinstrap y 27 Gentoo clasificados correctamente, 1 Adelie clasificado como Chinstrap y 2 Chinstrap clasificados como Adelie

Después Coddy informa tus resultados. La estrella de Meet the Penguins medía 47.2, 18.0, 194 y 3650, en Dream, hembra. Ejecuta tu programa con ella: ¿quién es?

Pruébalo tú mismo

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import make_pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import ConfusionMatrixDisplay

# La colonia de Meet the Penguins, sus características y su etiqueta
penguins = pd.read_csv("penguins.csv")
numbers = ["bill_length_mm", "bill_depth_mm", "flipper_length_mm", "body_mass_g"]
text = ["island", "sex"]
X = penguins[numbers + text]
y = penguins["species"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, stratify=y, random_state=0)

# De Prepare the Data: las dos vías
number_steps = make_pipeline(SimpleImputer(strategy="median"), StandardScaler())
text_steps = make_pipeline(SimpleImputer(strategy="constant", fill_value="unknown"), OneHotEncoder())
prep = ColumnTransformer([("numbers", number_steps, numbers), ("words", text_steps, text)])

# De Choose a Model and Tune the Winner: k-NN con k = 7
model = make_pipeline(prep, KNeighborsClassifier(n_neighbors=7))

# Un nuevo pingüino observado en el campo, en una tabla de una fila con las mismas columnas
new_penguin = pd.DataFrame({
    "bill_length_mm": [float(input())],
    "bill_depth_mm": [float(input())],
    "flipper_length_mm": [float(input())],
    "body_mass_g": [float(input())],
    "island": [input()],
    "sex": [input()],
})

fig, ax = plt.subplots()
ax.set_title("Test Penguins")

# Escribe tu código a continuación