Belajar dari Contoh

Termasuk bagian Pembelajaran Terawasi dalam perjalanan Machine Learning di Coddy. Pelajaran 1 dari 58.

Saatnya menggunakan model sungguhan. Model mempelajari baris yang berlabel, yaitu fitur beserta label, lalu belajar memberi label pada baris baru: pembelajaran terawasi. Masukkan biji berlabel, hasilkan peta:

Dua diagram berisi 180 biji gandum, luas pada sumbu mendatar dan panjang alur pada sumbu tegak. Kiri, biji berlabel dalam tiga kelompok, Kama, Rosa, dan Canadian. Kanan, biji yang sama pada peta yang dibagi menjadi tiga wilayah berwarna, masing-masing untuk satu varietas

Varietas adalah kategori, jadi ini termasuk klasifikasi: model menggambar batas. Label angka, seperti berat melon, termasuk regresi: model mempelajari garis.

30 melon sebagai titik hijau, panjang dalam cm di sumbu mendatar dan berat dalam kg di sumbu tegak, dengan garis oranye yang menanjak melewatinya. Melon baru sepanjang 32 cm berada pada garis di sekitar 6.2 kg

Jenis apa? .nunique() menghitung nilai berbeda pada sebuah label: kategori memiliki beberapa nilai yang berulang, sedangkan angka jarang berulang.

seeds = pd.read_csv("seeds.csv")
print(seeds["variety"].nunique())

Ini mencetak 3: sebuah klasifikasi.

Tantangan

Mudah

Toko skuter listrik bekas bisa memprediksi kolom mana pun di scooters.csv. Mana yang termasuk klasifikasi, dan mana yang termasuk regresi? Program membaca nama kolom ke dalam label.

Hitung jumlah nilai yang berbeda di kolom tersebut.
Cetak nilai-nilai itu seperti di bawah, beserta jumlah skuternya.
Cetak A category: classification jika ada paling banyak 10 nilai yang berbeda, jika tidak, cetak A number: regression.

Untuk toko lain dan kolom brand:

brand: 7 different values in 50 scooters
A category: classification

Coba sendiri

import pandas as pd

scooters = pd.read_csv("scooters.csv")
label = input()

# Tulis kodemu di bawah ini

Uji dirimu

Pelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.

Semua pelajaran di Pembelajaran Terawasi

1Model Pertamamu

Belajar dari ContohData Latih dan Data Uji Melatih dan Memprediksi Menilai Model Rangkuman: Penyortir Benih

4Regresi Logistik

Prediksi Ya atau Tidak Ambang Keputusan Bobot sebagai Bukti Beberapa Kelas Rangkuman: Filter Spam

7Overfitting

Underfitting dan Overfitting Kurva Pembelajaran Regularisasi Set Validasi Ringkasan: Menyetel Pohon

10Pipeline

Pipeline Kolom Campuran Mengisi Nilai Kosong dalam Pipeline Menyetel Pipeline Rangkuman: Bersihkan dan Prediksi

2Tetangga Terdekat

Cara k-NN Menentukan Memilih k Batas Keputusan Penskalaan untuk Tetangga Ringkasan: Tetangga Wine

5Mengukur Model Klasifikasi

Matriks Konfusi Presisi dan Recall Skor F1 Kelas Tidak Seimbang Kurva ROC Rangkuman: Tes Skrining

8Validasi Silang

Validasi K-Fold Membandingkan Model secara Adil Pencarian Grid Rekap: Perbaikan Skateboard

11Proyek: Spesies Penguin

Kenali Penguin Siapkan Data Pilih Model Optimalkan Model Terbaik Rilis Model

3Regresi Linear

Memprediksi Angka Beberapa Fitur Mengukur Error Plot Residual Rekap: Penyewaan Sepeda

6Pohon Keputusan

Pohon Mengajukan Pertanyaan Membaca Pohon Kedalaman Pohon Pentingnya Fitur Ringkasan: Keputusan Pinjaman

9Ensemble

Random Forest Mengapa Random Forest Berfungsi Gradient Boosting Rangkuman: Penjaga Hutan

12Tantangan Akhir

Perkembangan Diabetes Persetujuan Kredit Digit Tulisan Tangan Pelanggan yang Berhenti

Latihan sendiri: Compiler Python online