Melatih dan Memprediksi

Termasuk bagian Pembelajaran Terawasi dalam perjalanan Machine Learning di Coddy. Pelajaran 3 dari 58.

Setiap model scikit-learn bekerja dengan dua pemanggilan. fit mempelajari baris pelatihan beserta labelnya; predict memberi label pada baris yang belum pernah dilihat model:

Diagram: enam hewan peliharaan, X_train dengan berat dan panjang telinga di samping y_train, tiga kucing dan tiga anjing, diproses dengan fit untuk membentuk sebuah model. Dua hewan peliharaan baru, X_new, diproses dengan predict menggunakan model, lalu menghasilkan kucing dan anjing

Model dari pelajaran pertama dalam perjalanan ini adalah k-nearest neighbors: model ini memberi label pada sebuah baris berdasarkan baris pelatihan yang paling dekat dengannya. Hewan peliharaan berdasarkan berat (kg) dan panjang telinga (cm):

from sklearn.neighbors import KNeighborsClassifier

X_train = np.array([[4, 6], [5, 7], [3, 5], [30, 10], [25, 12], [35, 11]])
y_train = np.array(["cat", "cat", "cat", "dog", "dog", "dog"])
model = KNeighborsClassifier()
model.fit(X_train, y_train)
print(model.predict([[6, 6], [28, 11]]))

Ini mencetak ['cat' 'dog']. Baris baru dimasukkan sebagai tabel, satu baris untuk setiap hewan peliharaan.

Buat, sesuaikan, prediksi: setiap model di bagian ini mengikuti tiga langkah berikut.

Tantangan

Mudah

Aplikasi klub pengamat burung memberi nama burung berdasarkan rentang sayap dan beratnya. Kode awal membagi data klub dari birds.csv dan membaca burung malam ini ke dalam tabel spotted.

Buat model k-nearest neighbors dan latih model itu dengan data burung pelatihan.
Prediksi semua burung yang terlihat dalam satu pemanggilan.
Cetak satu baris untuk setiap burung, seperti di bawah ini.

Untuk tiga burung dalam pengamatan lain:

Bird 1: sparrow
Bird 2: blackbird
Bird 3: robin

Coba sendiri

import pandas as pd
from sklearn.model_selection import train_test_split

# Satu baris untuk setiap burung yang sudah diberi nama oleh klub: rentang sayap dalam cm, berat dalam gram
birds = pd.read_csv("birds.csv")
X = birds[["wingspan_cm", "weight_g"]]
y = birds["species"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)

# Pengamatan malam ini: jumlah burung, lalu rentang sayap dan berat masing-masing
count = int(input())
spans = []
weights = []
for i in range(count):
    spans.append(float(input()))
    weights.append(float(input()))
spotted = pd.DataFrame({"wingspan_cm": spans, "weight_g": weights})

# Tulis kodemu di bawah ini