Rilis Model

Termasuk bagian Pembelajaran Terawasi dalam perjalanan Machine Learning di Coddy. Pelajaran 54 dari 58.

Penguin uji telah menunggu selama seluruh proyek. Latih pipeline yang sudah disetel dengan baris pelatihan, lalu ukur skornya pada penguin uji sekali: angka yang jujur.

Lalu lihat bagian mana model itu keliru. Model klinik mengelompokkan pasien sebagai sehat, pilek, atau flu; baris menunjukkan kondisi sebenarnya, kolom menunjukkan tebakannya:

Matriks kebingungan 3 kali 3 dari model klinik pada 60 pasien uji, sehat, pilek, dan flu: diagonal berisi 20, 14, dan 17 jawaban benar, dan 5 kasus pilek dikira flu

Penguin baru adalah tabel satu baris dengan kolom-kolom pelatihan. predict memberinya nama, dan predict_proba(new).max() menunjukkan seberapa yakin: proporsi kelas pemenang, untuk k-NN yaitu tetangga yang setuju.

Tantangan

Sedang

Garis finis. model adalah pipeline yang sudah kamu tuning; starter membaca seekor penguin baru ke dalam new_penguin.

Latih model dengan baris data pelatihan. Cetak akurasi pengujiannya (3 desimal) dan jumlah penguin dalam data pengujian yang berhasil dinamai dengan benar.
Gambarkan matriks kebingungan dari prediksi pengujian pada ax, lalu tampilkan.
Sebutkan nama penguin baru itu dan tingkat keyakinan model dalam persen.

Untuk sebuah koloni di stasiun lain:

Test accuracy: 0.960 (72 of 75 penguins)
New penguin: Gentoo (86% sure)

dan matriksnya:

Matriks kebingungan berjudul Test Penguins untuk stasiun lain: 29 Adelie, 16 Chinstrap, dan 27 Gentoo dinamai dengan benar, 1 Adelie disebut Chinstrap dan 2 Chinstrap disebut Adelie

Lalu Coddy melaporkan hasilmu. Bintang dari Meet the Penguins memiliki ukuran 47.2, 18.0, 194, dan 3650, di Dream, betina. Jalankan programmu dengannya: dia jenis apa?

Coba sendiri

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import make_pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import ConfusionMatrixDisplay

# Koloni dari Meet the Penguins, fitur dan labelnya
penguins = pd.read_csv("penguins.csv")
numbers = ["bill_length_mm", "bill_depth_mm", "flipper_length_mm", "body_mass_g"]
text = ["island", "sex"]
X = penguins[numbers + text]
y = penguins["species"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, stratify=y, random_state=0)

# Dari Prepare the Data: dua jalur
number_steps = make_pipeline(SimpleImputer(strategy="median"), StandardScaler())
text_steps = make_pipeline(SimpleImputer(strategy="constant", fill_value="unknown"), OneHotEncoder())
prep = ColumnTransformer([("numbers", number_steps, numbers), ("words", text_steps, text)])

# Dari Choose a Model and Tune the Winner: k-NN dengan k = 7
model = make_pipeline(prep, KNeighborsClassifier(n_neighbors=7))

# Seekor penguin baru dari lapangan, dalam tabel satu baris dengan kolom yang sama
new_penguin = pd.DataFrame({
    "bill_length_mm": [float(input())],
    "bill_depth_mm": [float(input())],
    "flipper_length_mm": [float(input())],
    "body_mass_g": [float(input())],
    "island": [input()],
    "sex": [input()],
})

fig, ax = plt.subplots()
ax.set_title("Test Penguins")

# Tulis kodemu di bawah ini