Özet: Şarap Komşuları

Coddy'nin Machine Learning Journey'sinin Denetimli Öğrenme bölümünün bir parçası. Ders 10 / 58.

Görev

Kolay

Şaraplar için bu bölümün ilk haritasına benzer bir harita çiz. Başlangıç kodu 178 şarabı (iki özellik, 0'dan 2'ye kadar çeşitler) ayırır, ks listesini oluşturur ve grafiği etiketler.

Her iki kümeyi ölçeklendir; ölçekleyiciyi eğitim şaraplarına uydur.
Test doğruluğu en yüksek olan k değerini yazdır (şimdilik: 7. bölümde daha adil bir değerlendirici var).
Bu k değeriyle haritayı doldur: 100'e 100'lük ızgarayı xx ve yy ile oluştur; her iki eksende de -3 ile 3 arasını kullan; tahminleri zz içine koy.
Ölçeklendirilmiş eğitim şaraplarını haritanın üzerine dağılım grafiği olarak ekle, names ile etiketle; bir lejant ekle.

Alkol ve flavanoidlerden:

Best k: 13 (test accuracy 0.956)

Alkol ve flavanoidlerden oluşan, her ikisi de ölçeklendirilmiş bir şarap haritası: solda turuncu bir bölge, sağ üstte mavi bir bölge ve altta yeşil bir bölge; her sınıftan eğitim şarapları haritanın üzerinde ve bir lejantla gösteriliyor

Coddy haritanı açıklıyor.

Kendin dene

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler

# Üç kültivarın 178 şarabı, sınıflar 0, 1, 2
wine = load_wine()
# 6 ve 12 numaralı sütunlar: flavanoids ve prolin
X = wine.data[:, [6, 12]]
y = wine.target
names = ["cultivar A", "cultivar B", "cultivar C"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)
ks = range(1, 32, 2)  # k = 1, 3, 5, ..., 31

fig, ax = plt.subplots()
ax.set_title("Wine Neighbors")
ax.set_xlabel("flavanoids (scaled)")
ax.set_ylabel("proline (scaled)")

# Kodunuzu aşağıya yazın