Kanıt Olarak Ağırlıklar

Coddy'nin Machine Learning Journey'sinin Denetimli Öğrenme bölümünün bir parçası. Ders 18 / 58.

Bir mağaza ziyaretçisini satın almaya ne yönlendirir? Özellikleri ölçeklendir, böylece her ağırlık standart sapma başına olsun; ardından ağırlıkları kanıt olarak yorumla:

Dört ölçeklenmiş ağırlığın yatay çubukları. Satın almaya doğru, maviyle: pages_viewed 0.87, minutes 0.12. Satın almadan uzaklaştıranlar, turuncuyla: from_ad -0.30, price_seen -0.72

X_scaled = StandardScaler().fit_transform(visits)
model = LogisticRegression(max_iter=1000)
model.fit(X_scaled, bought)
print(np.round(model.coef_[0], 2))  # ağırlıkların bir satırı

Bu, ağırlıkları sütunların sırasına göre yazdırır:

[ 0.87  0.12 -0.3  -0.72]

İşaret yönü gösterir: pozitif, 1. sınıfa, yani satın almaya doğru iter; negatif ise uzaklaştırır. Büyüklük gücü gösterir.

Ölçekleme, büyüklükleri karşılaştırılabilir hâle getirir: ölçekleme yapılmadığında, sent cinsinden bir fiyat dolar cinsinden bir fiyattan 100 kat daha düşük ağırlığa sahip olur.

Görev

Orta

Bir dil uygulaması, 30 günlük seriyi sürdürme ya da bir kursu tamamlama ile hangi alışkanlıkların ilişkili olduğunu soruyor. learners.csv altı özellik ve her iki etiketi de içeriyor; program hangi etiketi inceleyeceğini okuyor. Başlangıç kodu verileri bölüyor ve ölçeklendiriyor.

Ölçeklendirilmiş eğitim satırları üzerinde bir LogisticRegression modeli eğit.
Her ağırlığı en büyükten başlayarak (2 ondalık basamakla) yönüyle birlikte yazdır.
En güçlü kanıtı, hangi yönde olursa olsun, yazdır.

Başka bir uygulama için:

friends: 1.02, pushes toward yes
reminder_on: 0.42, pushes toward yes
age: 0.06, pushes toward yes
daily_goal_min: -0.11, pushes toward no
lessons_week1: -0.2, pushes toward no
night_owl: -0.64, pushes toward no
Strongest evidence: friends

Kendin dene

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

learners = pd.read_csv("learners.csv")
features = ["daily_goal_min", "friends", "reminder_on", "lessons_week1", "night_owl", "age"]
label = input()  # kept_streak veya finished_course
X_train, X_test, y_train, y_test = train_test_split(learners[features], learners[label], test_size=0.25, random_state=0)
scaler = StandardScaler()
X_train_s = scaler.fit_transform(X_train)

# Kodunuzu aşağıya yazın