Mô hình ML là gì
Bài học 3 trên 19 trong khóa học Giới thiệu về học máy của Coddy.
Mô hình học máy nhằm đưa ra dự đoán dựa trên dữ liệu lịch sử. Để làm việc này hiệu quả, mô hình phải hiểu các đặc tính thống kê của tập dữ liệu. Mô hình không thể đạt được sự hiểu biết này chỉ bằng cách cung cấp cho nó một thuật toán hoặc hàm toán học mô tả phân phối dữ liệu.
Thay vào đó, mô hình phải học những đặc tính này thông qua quá trình huấn luyện. Hơn nữa, mỗi tập dữ liệu có những đặc tính thống kê riêng. Vì vậy, cần huấn luyện một mô hình riêng cho mỗi tập dữ liệu khác nhau.
Giai đoạn học này được gọi là fitting hoặc fit. Sau khi mô hình học được phân phối dữ liệu, ta có thể đưa vào mô hình dữ liệu mới mà nó chưa từng thấy và dự đoán đầu ra của dữ liệu đó. Giai đoạn này được gọi là predicting hoặc predict.
Tự kiểm traBài học này có một bài trắc nghiệm ngắn. Bắt đầu bài học để trả lời và theo dõi tiến độ.
Tự kiểm traBài học này có một bài trắc nghiệm ngắn. Bắt đầu bài học để trả lời và theo dõi tiến độ.
Tự kiểm traBài học này có một bài trắc nghiệm ngắn. Bắt đầu bài học để trả lời và theo dõi tiến độ.
Thử thách
DễTrong thử thách này, chúng ta sẽ tạo mô hình học máy có giám sát đơn giản nhất. Mô hình này không được dùng trong ngành công nghiệp. Mục đích duy nhất của mô hình là cho thấy một mô hình học máy thực tế sẽ trông như thế nào.
Tạo mô hình trả về giá trị y xuất hiện thường xuyên nhất ứng với các giá trị X tương ứng.
Hướng dẫn:
Phương thức
fitđếm giá trịyxuất hiện thường xuyên nhất cho mỗiXvà lưu kết quả vào biếnself.mode
Ví dụ với tập dữ liệu sau:<strong>X</strong>A B A A B <strong>Y</strong>1 1 0 1 1 self.modesẽ lưu:{"A": 1, "B": 1}- Phương thức
predictnhận một danh sáchX_testvà trả về một danh sách có cùng độ dài. Mỗi giá trị trong danh sách trả về là giá trịyđược dự đoán ứng vớiX, dựa trênself.modeđã học trong giai đoạnfit.
ví dụ, nếuself.modelưu{"A": 1, "B": 1}vàX_trainlà['A', 'B', 'C']thì đầu ra sẽ là:[1, 1, None]
Cách vượt qua các test case:
Tạo một hàm có tên train_and_predict, nhận các danh sách X_train, y_train và X_test. Hàm sẽ thực hiện các bước sau:
- Học bằng phương thức fit với X_train và y_train
- Dự đoán các nhãn của X_test
- Trả về các nhãn đã dự đoán
Tự làm thử
import numpy as np
np.set_printoptions(legacy='1.13')
class SimpleModel:
def __init__(self):
self.mode = {}
def fit(self, X, y):
# Viết code của bạn ở đây
def predict(self, X):
# Viết code của bạn ở đây
def train_and_predict(X_train, y_train, X_test):
model = SimpleModel()
# Huấn luyện mô hình bằng X_train và y_train
# Dự đoán nhãn của X_test
# Trả về các nhãn đã dự đoánTất cả bài học trong Giới thiệu về học máy
Tự luyện tập: Trình biên dịch Python online