Colonne miste

Fa parte della sezione Apprendimento supervisionato del percorso Machine Learning di Coddy. Lezione 46 di 58.

La maggior parte delle tabelle mescola parole e numeri, e ogni tipo richiede il proprio passaggio. Un ColumnTransformer invia ogni colonna al proprio passaggio e unisce i risultati:

Un diagramma intitolato 4 colonne in entrata, 7 colonne in uscita. Tre dischi in vinile con genere, condizione, prezzo e anno. Genere e condizione passano attraverso OneHotEncoder e diventano cinque colonne 0/1: jazz, rock, buono, perfetto, usurato. Prezzo e anno passano attraverso StandardScaler e diventano due colonne ridimensionate

Per un negozio di dischi, nel codice:

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder

prep = ColumnTransformer([
    ("words", OneHotEncoder(), ["genre", "condition"]),
    ("numbers", StandardScaler(), ["price", "year"]),
])
pipe = make_pipeline(prep, LogisticRegression(max_iter=1000))

Ogni voce è un nome, un passaggio e le relative colonne. A differenza di get_dummies, il codificatore memorizza le categorie di addestramento, così un nuovo record ottiene le stesse 7 colonne.

Sfida

Medio

Un circolo di scacchi vuole conoscere la probabilità di vittoria di ogni giocatore prima di una partita. Il codice iniziale divide chess.csv e legge i dati della partita di stasera.

Codifica opening e color, ridimensiona rating_gap e minutes e stampa quante colonne risultano dalle righe di addestramento.
Combina il tutto con la regressione logistica, esegui l'addestramento e stampa l'accuratezza sul set di test.
Stampa la probabilità di vittoria di stasera.

Un altro circolo, tre aperture e sicilian, black, 50, 15:

Columns after preparing: 7
Test accuracy: 0.805
Win chance: 0.66

Provalo tu

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder, StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline

# Le partite di un club di scacchi: l'apertura, il colore del giocatore, il suo punteggio meno
# quello dell'avversario, i minuti sull'orologio e se il giocatore ha vinto (1) oppure no (0)
games = pd.read_csv("chess.csv")
X = games[["opening", "color", "rating_gap", "minutes"]]
y = games["won"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)

# La partita di stasera, una riga con le stesse colonne
game = pd.DataFrame({"opening": [input()], "color": [input()],
                     "rating_gap": [int(input())], "minutes": [int(input())]})

# Scrivi il tuo codice qui sotto