סיכום: שכני היין
חלק מהיחידה למידה מונחית במסלול ה-Machine Learning של Coddy. שיעור 10 מתוך 58.
אתגר
קלשרטט מפה כמו הראשונה בפרק הזה, עבור יין. קוד הפתיחה מחלק 178 יינות (שתי תכונות, זנים 0 עד 2), מציג את ks ומוסיף תוויות לתרשים.
- בצע התאמה של קנה המידה בשתי הקבוצות, והתאם על יינות האימון.
- הדפס את k עם דיוק הבדיקה הטוב ביותר (לעת עתה: בפרק 7 יש שופט הוגן יותר).
- בעזרת אותו k, מלא את המפה: רשת
xx,yy, בגודל 100 על 100, מ־-3 עד 3 בשני הכיוונים, והתשובות ב־zz. - הצג מעליה תרשים פיזור של יינות האימון עם קנה המידה המותאם, עם תוויות מתוך
names; הוסף מקרא.
מתוך אלכוהול ופלבנואידים:
Best k: 13 (test accuracy 0.956)Coddy מתאר את המפה שלך.
נסו בעצמכם
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
# 178 יינות משלושה זנים, מחלקות 0, 1, 2
wine = load_wine()
# עמודות 6 ו-12: flavanoids ופרולין
X = wine.data[:, [6, 12]]
y = wine.target
names = ["cultivar A", "cultivar B", "cultivar C"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)
ks = range(1, 32, 2) # k = 1, 3, 5, ..., 31
fig, ax = plt.subplots()
ax.set_title("Wine Neighbors")
ax.set_xlabel("flavanoids (scaled)")
ax.set_ylabel("proline (scaled)")
# כתבו את הקוד שלכם למטה
כל השיעורים ביחידה למידה מונחית
תרגלו בעצמכם: קומפיילר Python אונליין