Menu
CoddyTech

סיכום: שכני היין

חלק מהיחידה למידה מונחית במסלול ה-Machine Learning של Coddy. שיעור 10 מתוך 58.

challenge icon

אתגר

קל

שרטט מפה כמו הראשונה בפרק הזה, עבור יין. קוד הפתיחה מחלק 178 יינות (שתי תכונות, זנים 0 עד 2), מציג את ks ומוסיף תוויות לתרשים.

  1. בצע התאמה של קנה המידה בשתי הקבוצות, והתאם על יינות האימון.
  2. הדפס את k עם דיוק הבדיקה הטוב ביותר (לעת עתה: בפרק 7 יש שופט הוגן יותר).
  3. בעזרת אותו k, מלא את המפה: רשת xx, yy, בגודל 100 על 100, מ־-3 עד 3 בשני הכיוונים, והתשובות ב־zz.
  4. 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)

מפת יין המבוססת על אלכוהול ופלבנואידים, שניהם עם קנה מידה מותאם: אזור כתום משמאל, אזור כחול בפינה הימנית העליונה ואזור ירוק למטה, כשיינות האימון של כל מחלקה מוצגים מעליהם ומקרא לצדם

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