Pipeline pembelajaran terawasi

Merancang Alur Kerja Machine Learning di Python

Dr. Chris Anagnostopoulos

Honorary Associate Professor

Data berlabel

  • Variabel fitur (singkatan: X)
  • Label atau kelas (singkatan: y)
credit_scoring.head(4)

  checking_status  duration  ...  foreign_worker class
0            '<0'         6  ...             yes  good
1      '0<=X<200'        48  ...             yes   bad
2   'no checking'        12  ...             yes  good
3            '<0'        42  ...             yes  good
Merancang Alur Kerja Machine Learning di Python

Rekayasa fitur

  • Kebanyakan pengklasifikasi mengharapkan fitur numerik
  • Kolom string perlu diubah ke angka

Pramuat dengan LabelEncoder dari sklearn.preprocessing:

le = LabelEncoder()
le.fit_transform(credit_scoring['checking_status'])[:4]

array([1, 0, 3, 1])
Merancang Alur Kerja Machine Learning di Python

Pelatihan model

  • .fit(features, labels)
  • .predict(features)
features, labels = credit_scoring.drop('class', 1), credit_scoring['class']

model_nb = GaussianNB()
model_nb.fit(features, labels)
model_nb.predict(features.head(5))

['good' 'bad' 'good' 'bad' 'good']

Akurasi 60% pada 5 contoh pertama.

Merancang Alur Kerja Machine Learning di Python

Pemilihan model

  • .fit() mengoptimalkan parameter model
  • Bagaimana dengan model lain?

AdaBoostClassifier mengungguli GaussianNB pada lima titik data pertama:

model_ab = AdaBoostClassifier()
model_ab.fit(features, labels)
model_ab.predict(features.head(5))
numpy.array(labels[0:5])

['good' 'bad' 'good' 'good' 'bad']
['good' 'bad' 'good' 'good' 'bad']
Merancang Alur Kerja Machine Learning di Python

Penilaian kinerja

Ukuran sampel lebih besar => estimasi akurasi lebih baik:

from sklearn.metrics import accuracy_score
accuracy_score(labels, model_nb.predict(features)) # naive bayes

0.706

accuracy_score(labels, model_ab.predict(features)) # adaboost

0.802

Apa yang salah dengan perhitungan ini?

Merancang Alur Kerja Machine Learning di Python

Overfitting dan pemisahan data

Overfitting: model selalu tampil lebih baik pada data latih dibanding data yang belum pernah dilihat.

Latih pada X_train, y_train, nilai akurasi pada X_test, y_test:

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

GaussianNB().fit(X_train, y_train).predict(X_test)
Merancang Alur Kerja Machine Learning di Python

Alur kerja pembelajaran terawasi standar dimulai dengan rekayasa fitur, pemisahan data menjadi train dan test, diikuti penilaian model dan pemilihan model. Namun, pipeline standar kadang tidak cukup untuk masalah dunia nyata.

Merancang Alur Kerja Machine Learning di Python

Jadi, apa isi kursus ini?

  1. Cara skala untuk menyetel pipeline Anda.
  2. Memastikan prediksi relevan dengan melibatkan pakar domain.
  3. Memastikan model tetap berkinerja baik seiring waktu.
  4. Melatih model saat label tidak cukup.
Merancang Alur Kerja Machine Learning di Python

Bisakah Anda mencegah krisis KPR?

Merancang Alur Kerja Machine Learning di Python

Preparing Video For Download...