Distribuisci il modello

Fa parte della sezione Apprendimento supervisionato del percorso Machine Learning di Coddy. Lezione 54 di 58.

I pinguini di test hanno aspettato per tutto il progetto. Addestra la pipeline ottimizzata sulle righe di training, poi valutala una sola volta sui pinguini di test: il numero onesto.

Poi vedi dove sbaglia. Il modello di una clinica classifica i pazienti come sani, raffreddati o influenzati; le righe rappresentano la realtà, le colonne le sue previsioni:

Una matrice di confusione 3 per 3 del modello di una clinica su 60 pazienti di test, sani, raffreddati e influenzati: la diagonale contiene 20, 14 e 17 risposte corrette, e 5 raffreddori sono stati classificati come influenza

Un nuovo pinguino è una tabella di una riga con le colonne di addestramento. predict gli dà un nome, e predict_proba(new).max() indica quanto è sicuro: la quota della classe vincente, per k-NN i vicini concordi.

Sfida

Medio

Il traguardo. model è la tua pipeline ottimizzata; il programma iniziale legge un nuovo pinguino in new_penguin.

Allena il modello sulle righe di addestramento. Stampa la sua accuratezza sul test (3 decimali) e quanti pinguini del test ha identificato correttamente.
Disegna la matrice di confusione delle previsioni sul test su ax e visualizzala.
Indica chi è il nuovo pinguino e quanto è sicuro il modello, in percentuale.

Per una colonia in un'altra stazione:

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

e la sua matrice:

Una matrice di confusione intitolata Test Penguins per un'altra stazione: 29 Adelie, 16 Chinstrap e 27 Gentoo identificati correttamente, 1 Adelie classificato come Chinstrap e 2 Chinstrap classificati come Adelie

Poi Coddy mostra il tuo risultato. La stella di Meet the Penguins misurava 47.2, 18.0, 194 e 3650, su Dream, femmina. Esegui il tuo programma con lei: chi è?

Provalo tu

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

# La colonia di Incontra i pinguini, le sue caratteristiche e la sua etichetta
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)

# Da Prepara i dati: i due percorsi
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)])

# Da Scegli un modello e ottimizza il vincitore: k-NN con k = 7
model = make_pipeline(prep, KNeighborsClassifier(n_neighbors=7))

# Un nuovo pinguino osservato sul campo, in una tabella di una riga con le stesse colonne
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")

# Scrivi il tuo codice qui sotto