Menu
CoddyTech
Bắt đầu học

Ôn tập: Người kiểm lâm rừng

Thuộc phần Học có giám sát trong hành trình Machine Learning của Coddy. Bài học 44 trên 58.

challenge icon

Thử thách

Trung bình

So tài hai đội cây của chương này. Một kiểm lâm muốn biết gấu sẽ ghé thăm khu cắm trại nào và điều gì thu hút chúng; phần code khởi đầu tải campsites.csv.

  1. Đánh giá chéo một rừng gồm 100 cây và mô hình boosting với cài đặt mặc định, cv=5, cả hai đều dùng random_state=0. In ra giá trị trung bình và độ lệch chuẩn của từng mô hình.
  2. In ra mô hình chiến thắng theo giá trị trung bình, rồi huấn luyện mô hình đó trên tất cả các hàng.
  3. Vẽ mức độ quan trọng của các đặc trưng bằng các thanh ngang, theo thứ tự từ nhỏ nhất đến lớn nhất, đặt tiêu đề là What Brings Bears và nhãn trục x là Importance.

Một công viên khác, với gấu mèo:

Forest: mean 0.780, std 0.086
Boosting: mean 0.787, std 0.075
Winner: boosting

Các thanh ngang có tiêu đề What Brings Raccoons, mục nhỏ nhất ở dưới cùng: sồi khoảng 0.06, khách tham quan 0.16, thùng rác 0.21, bàn 0.24 và creek_m 0.33 ở trên cùng

Sau đó, Coddy mô tả biểu đồ của bạn.

Tự làm thử

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import cross_val_score
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier

# 200 khu cắm trại: khoảng cách đến suối, tủ đựng thức ăn chống gấu (1 hoặc 0), thùng rác,
# độ cao, bụi cây mọng gần đó, số người cắm trại mỗi tuần và liệu gấu có ghé qua hay không (1 hoặc 0)
sites = pd.read_csv("campsites.csv")
features = ["stream_m", "lockers", "bins", "altitude_m", "berries", "campers"]

# Viết code của bạn bên dưới

Tất cả bài học trong Học có giám sát

1Mô hình đầu tiên của bạn

Học từ ví dụTập huấn luyện và tập kiểm traHuấn luyện và dự đoánChấm điểm mô hìnhÔn tập: Bộ sắp xếp hạt giống

4Hồi quy logistic

Dự đoán có hoặc khôngNgưỡng quyết địnhTrọng số là bằng chứngNhiều lớpÔn tập: Bộ lọc thư rác

7Quá khớp

Chưa khớp và quá khớpĐường cong học tậpĐiều chuẩnTập kiểm địnhÔn tập: tinh chỉnh cây

10Quy trình xử lý

Quy trình xử lýCột có kiểu dữ liệu hỗn hợpĐiền giá trị thiếu trong quy trìnhTinh chỉnh quy trìnhÔn tập: Làm sạch và dự đoán

2Láng giềng gần nhất

Cách k-NN đưa ra quyết địnhChọn kRanh giới quyết địnhChuẩn hóa dữ liệu cho láng giềngÔn tập: láng giềng với dữ liệu rượu vang

5Đánh giá bộ phân loại

Ma trận nhầm lẫnĐộ chính xác và độ thu hồiĐiểm F1Các lớp mất cân bằngĐường cong ROCÔn tập: Bài kiểm tra sàng lọc

8Kiểm định chéo

Kiểm định K-FoldSo sánh các mô hình công bằngTìm kiếm lướiÔn tập: Sửa chữa ván trượt

11Dự án: Các loài chim cánh cụt

Làm quen với chim cánh cụtChuẩn bị dữ liệuChọn mô hìnhTinh chỉnh mô hình tốt nhấtĐưa mô hình vào sử dụng

3Hồi quy tuyến tính

Dự đoán các con sốNhiều đặc trưngĐo lường sai sốBiểu đồ phần dưÔn tập: Thuê xe đạp

6Cây quyết định

Cây đặt câu hỏiĐọc câyĐộ sâu của câyTầm quan trọng của đặc trưngÔn tập: quyết định cho vay

9Các mô hình tổ hợp

Rừng ngẫu nhiênVì sao rừng hoạt động hiệu quảTăng cường độ dốcÔn tập: Người kiểm lâm rừng

12Thử thách cuối cùng

Tiến triển của bệnh tiểu đườngPhê duyệt tín dụngChữ số viết tayKhách hàng rời bỏ

Tự luyện tập: Trình biên dịch Python online