A maldição da dimensionalidade

Redução de Dimensionalidade em Python

Jeroen Boeye

Head of Machine Learning, Faktion

Da observação ao padrão

City Price
Berlin 2
Paris 3
Redução de Dimensionalidade em Python

Da observação ao padrão

City Price
Berlin 2
Paris 3

gráfico de distribuição simples

Redução de Dimensionalidade em Python

Da observação ao padrão

City Price
Berlin 2.0
Berlin 3.1
Berlin 4.3
Paris 3.0
Paris 5.2
... ...

Distribuição: Berlim vs. Paris

Redução de Dimensionalidade em Python

Criando um classificador de cidades — divisão dos dados

Separe a variável-alvo daquelas usadas para treinar o modelo.

y = house_df['City']

X = house_df.drop('City', axis=1)

Faça uma divisão de 70% treino e 30% teste

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
Redução de Dimensionalidade em Python

Criando um classificador de cidades — ajuste do modelo

Crie um classificador SVM (Support Vector Machine) e ajuste nos dados de treino

from sklearn.svm import SVC

svc = SVC()

svc.fit(X_train, y_train)
Redução de Dimensionalidade em Python

Criando um classificador de cidades — prever

from sklearn.metrics import accuracy_score

print(accuracy_score(y_test, svc.predict(X_test)))

0.826

print(accuracy_score(y_train, svc.predict(X_train)))

0.832
Redução de Dimensionalidade em Python

Adicionando features

City Price
Berlin 2.0
Berlin 3.1
Berlin 4.3
Paris 3.0
Paris 5.2
... ...

Distribuição: Berlim vs. Paris

Redução de Dimensionalidade em Python

Adicionando features

City Price n_floors n_bathroom surface_m2
Berlin 2.0 1 1 190
Berlin 3.1 2 1 187
Berlin 4.3 2 2 240
Paris 3.0 2 1 170
Paris 5.2 2 2 290
... ... ... ... ...
Redução de Dimensionalidade em Python

Vamos praticar!

Redução de Dimensionalidade em Python

Preparing Video For Download...