Повторение: сортировщик семян
Часть раздела Обучение с учителем путешествия по Machine Learning на Coddy. Урок 5 из 58.
Задание
ЛегкоПомнишь семена, с которых началась эта глава? Теперь создай для них классификатор. В seeds.csv содержатся данные о 180 семенах пшеницы: четыре измерения, перечисленные в features, и variety. Стартовый код считывает данные нового семени в таблицу из одной строки new_seed.
- Раздели данные: четверть оставь для тестирования, указав
random_state=0, и выведи размеры наборов. - Выведи самый распространённый сорт в обучающей выборке — ответ для базового уровня.
- Обучи модель k ближайших соседей на измерениях. Выведи её точность и точность базового уровня, округлённые до 3 знаков после запятой.
- Выведи сорт нового семени.
Для семян с другой фермы:
Train: 120 seeds, test: 40
Most common in training: Rosa
Accuracy: 0.925 (baseline 0.4)
New seed: CanadianПопробуйте сами
import pandas as pd
# 180 зёрен пшеницы: четыре измерения и сорт
seeds = pd.read_csv("seeds.csv")
features = ["area_mm2", "length_mm", "width_mm", "groove_mm"]
# Новое зерно из лаборатории в виде таблицы с одной строкой
new_seed = pd.DataFrame({
"area_mm2": [float(input())],
"length_mm": [float(input())],
"width_mm": [float(input())],
"groove_mm": [float(input())],
})
# Напишите свой код ниже
Все уроки раздела Обучение с учителем
1Ваша первая модель
Обучение на примерахОбучающая и тестовая выборкиОбучение и предсказаниеОценка моделиПовторение: сортировщик семян4Логистическая регрессия
Предсказания «да» или «нет»Порог принятия решенияВеса как свидетельстваНесколько классовПовторение: спам-фильтр2Метод ближайших соседей
Как работает k-NNВыбор kГраницы принятия решенийМасштабирование признаков для поиска соседейПовторение: соседи для вин5Оценка классификаторов
Матрица ошибокТочность и полнотаF1-мераНесбалансированные классыROC-кривыеПовторение: скрининговый тест8Кросс-валидация
K-блочная проверкаСправедливое сравнение моделейПоиск по сеткеПовторение: ремонт скейтбордов11Проект: виды пингвинов
Знакомство с пингвинамиПодготовка данныхВыбор моделиНастройка лучшей моделиЗапуск моделиПотренируйтесь самостоятельно: Онлайн-компилятор Python