Ringkasan: Tetangga Wine

Termasuk bagian Pembelajaran Terawasi dalam perjalanan Machine Learning di Coddy. Pelajaran 10 dari 58.

Tantangan

Mudah

Gambar peta seperti peta pertama di bab ini, untuk wine. Kode awal membagi 178 wine (dua fitur, cultivar 0 hingga 2), mencantumkan ks, dan memberi label pada grafik.

Skalakan kedua set, lalu lakukan fitting pada wine pelatihan.
Cetak k dengan akurasi uji terbaik (untuk saat ini: bab 7 memiliki penilai yang lebih adil).
Dengan k tersebut, isi petanya: grid xx, yy, berukuran 100 kali 100, dari -3 hingga 3 untuk kedua arah, hasilnya di zz.
Tambahkan titik-titik wine pelatihan yang sudah diskalakan di atasnya, dengan label dari names; tambahkan legenda.

Dari alcohol dan flavanoids:

Best k: 13 (test accuracy 0.956)

Peta wine dari alcohol dan flavanoids, keduanya sudah diskalakan: wilayah oranye di sebelah kiri, wilayah biru di kanan atas, dan wilayah hijau di bawah, dengan wine pelatihan dari setiap class di atasnya dan sebuah legenda

Coddy menjelaskan petamu.

Coba sendiri

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 sampel anggur dari tiga kultivar, class 0, 1, 2
wine = load_wine()
# kolom 6 dan 12: flavanoids dan proline
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)")

# Tulis kodemu di bawah ini