Özet: Temizle ve Tahmin Et

Coddy'nin Machine Learning Journey'sinin Denetimli Öğrenme bölümünün bir parçası. Ders 49 / 58.

Görev

Orta

Hangi kampçılar geri gelecek? camp.csv sözcükleri, sayıları ve eksik değerleri bir arada içeriyor; başlangıç kodu verileri ayırıyor ve bir kampçıyı okuyor.

Bölümün tam işlem hattısını oluştur: cabin ve activity için one-hot kodlama uygula, sayılar için eksik değerleri medyanlarla dolduran, ardından ölçeklendiren bir işlem hattı oluştur ve lojistik regresyonla bitir.
Eğitim satırlarında 5 katlı CV doğruluğunu, ortalama ve std değerlerini yazdır.
Eğitim satırlarıyla modeli eğit; test doğruluğunu ve kampçının geri dönme olasılığını yazdır.

Başka bir kampçı: 10, lakeside, archery, 21, -, 4:

CV accuracy: mean 0.707, std 0.065
Test accuracy: 0.740
Chance of coming back: 0.91

Tire, eksik bir puanı gösterir: işlem hattın bunu diğer eksik değerler gibi doldurur.

Kendin dene

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.compose import ColumnTransformer
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import OneHotEncoder, StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline

# Geçen yazın kampçıları: Bu yıl geri döndüler mi (1), yoksa dönmediler mi (0)?
campers = pd.read_csv("camp.csv")
X = campers.drop(columns="came_back")
y = campers["came_back"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)

# Yeni bir kampçı, her satırda bir yanıt; tire (-) eksik bir sayıyı belirtir
answers = []
for i in range(6):
    answers.append(input())
numbers = []
for i in [0, 3, 4, 5]:
    if answers[i] == "-":
        numbers.append(np.nan)
    else:
        numbers.append(float(answers[i]))
camper = pd.DataFrame({"age": [numbers[0]], "cabin": [answers[1]], "activity": [answers[2]],
                       "nights": [numbers[1]], "rating": [numbers[2]], "friends_made": [numbers[3]]})

# Kodunuzu aşağıya yazın