Menu
CoddyTech

Uczenie się na przykładach

Część sekcji Uczenie nadzorowane ścieżki Machine Learning w Coddy. Lekcja 1 z 58.

Czas na prawdziwe modele. Model analizuje wiersze z etykietami — cechy i etykietę — i uczy się etykietować nowe: uczenie nadzorowane. Etykietowane nasiona na wejściu, mapa na wyjściu:

Dwa wykresy przedstawiające 180 nasion pszenicy; pole powierzchni na osi poziomej, długość bruzdy na osi pionowej. Po lewej nasiona z etykietami w trzech grupach: Kama, Rosa i Canadian. Po prawej te same nasiona na mapie podzielonej kolorami na trzy regiony, po jednym dla każdej odmiany

Odmiana to kategoria, więc jest to klasyfikacja: model wyznacza granice. Etykieta liczbowa, taka jak waga melona, oznacza regresję: model uczy się linii.

30 arbuzów jako zielone kropki, długość w cm na osi poziomej i waga w kg na osi pionowej, z rosnącą pomarańczową linią przechodzącą przez nie. Nowy arbuz o długości 32 cm leży na linii przy wadze około 6,2 kg

Jaki rodzaj? .nunique() zlicza różne wartości etykiety: kategoria powtarza się kilka razy, liczba rzadko się powtarza.

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

To wyświetla 3: klasyfikację.

challenge icon

Wyzwanie

Łatwy

Sklep z używanymi hulajnogami elektrycznymi mógłby przewidywać dowolną kolumnę z pliku scooters.csv. Które przewidywanie byłoby klasyfikacją, a które regresją? Program wczytuje nazwę kolumny do zmiennej label.

  1. Policz różne wartości w kolumnie.
  2. Wypisz je jak poniżej, wraz z liczbą hulajnóg.
  3. Wypisz A category: classification, jeśli różnych wartości jest najwyżej 10, w przeciwnym razie wypisz A number: regression.

Dla innego sklepu i kolumny brand:

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

Spróbuj swoich sił

import pandas as pd

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

# Napisz swój kod poniżej
quiz iconSprawdź się

Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.

Wszystkie lekcje w sekcji Uczenie nadzorowane

Poćwicz samodzielnie: Kompilator Python online