ML modeli nedir?
Coddy'nin Makine Öğrenmesine Giriş kursunda ders 3 / 19.
Bir makine öğrenimi modeli, geçmiş verilere dayanarak tahminler yapmayı amaçlar. Bunu etkili bir şekilde yapabilmek için modelin, veri kümesinin istatistiksel özelliklerini anlaması gerekir. Bu anlama, modele yalnızca veri dağılımını tanımlayan bir algoritma veya matematiksel fonksiyon sağlanarak elde edilemez.
Bunun yerine, model bu özellikleri eğitim yoluyla öğrenmelidir. Dahası, her veri kümesinin kendine özgü istatistiksel özellikleri vardır. Bu nedenle, her farklı veri kümesi için ayrı bir model eğitilmelidir.
Öğrenme aşamasına fitting veya fit denir. Model veri dağılımını öğrendikten sonra, ona daha önce hiç görmediği yeni veriler verebilir ve çıktısını tahmin edebiliriz; bu aşamaya predicting veya predict denir.
Kendini test etBu ders kısa bir quiz içerir. Soruları yanıtlamak ve ilerlemeni kaydetmek için derse başla.
Kendini test etBu ders kısa bir quiz içerir. Soruları yanıtlamak ve ilerlemeni kaydetmek için derse başla.
Kendini test etBu ders kısa bir quiz içerir. Soruları yanıtlamak ve ilerlemeni kaydetmek için derse başla.
Görev
KolayBu meydan okumada en basit denetimli öğrenme (supervised learning) makine öğrenimi modelini oluşturacağız. Bu model endüstride hiçbir şekilde kullanılmaz. Aksine, bu modelin tüm amacı gerçek bir makine öğrenimi modelinin neye benzeyeceğini göstermektir.
Karşılık gelen X değerleri için en sık rastlanan y değerini döndüren bir model oluşturun.
Talimatlar:
fityöntemi, her birXiçin en sık rastlananydeğerini sayar ve sonucuself.modedeğişkeninde saklar
Örneğin aşağıdaki veri seti için:<strong>X</strong>A B A A B <strong>Y</strong>1 1 0 1 1 self.modeşunları tutmalıdır:{"A": 1, "B": 1}predictyöntemi birX_testlistesi alır ve aynı uzunlukta bir liste döndürür. Döndürülen listedeki her değer,fitaşamasında öğrenilenself.modekullanılarakX'e karşılık gelen tahmin edilenydeğeridir.
örneğin eğerself.mode{"A": 1, "B": 1}değerini tutuyorsa veX_train['A', 'B', 'C']ise çıktı şu olmalıdır:[1, 1, None]
Test vakaları nasıl geçilir:
X_train, y_train ve X_test listelerini alan train_and_predict adında bir fonksiyon oluşturun. Bu fonksiyon şu adımları izleyecektir:
- X_train ve y_train ile fit yöntemini kullanarak öğrenin
- X_test etiketlerini tahmin edin
- tahmin edilen etiketleri döndürün
Kendin dene
import numpy as np
np.set_printoptions(legacy='1.13')
class SimpleModel:
def __init__(self):
self.mode = {}
def fit(self, X, y):
# Kodunuzu buraya yazın
def predict(self, X):
# Kodunuzu buraya yazın
def train_and_predict(X_train, y_train, X_test):
model = SimpleModel()
# Modeli X_train ve y_train ile eğitin
# X_test etiketlerini tahmin edin
# Tahmin edilen etiketleri döndürünMakine Öğrenmesine Giriş bölümündeki tüm dersler
Kendi başına pratik yap: Online Python derleyicisi