Fasi del modeling ML
Machine Learning per il marketing con Python
Karolis Urbonas
Head of Analytics & Science, Amazon
Fasi dell'apprendimento supervisionato
- Dividi i dati in train e test
- Inizializza il modello
- Allena il modello sui dati di train
- Predici sui dati di test
- Valuta le prestazioni sul test
Apprendimento supervisionato con codice
Per prima cosa, carichiamo le librerie.
from sklearn import tree
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
Fasi dell'apprendimento supervisionato con codice
# 1. Split data to training and testing train_X, test_X, train_Y, test_Y = train_test_split(X, Y, test_size=0.25)# 2. Initialize the model mytree = tree.DecisionTreeClassifier()# 3. Fit the model on the training data treemodel = mytree.fit(train_X, train_Y)# 4. Predict values on the testing data pred_Y = treemodel.predict(test_X)# 5. Measure model performance on testing data accuracy_score(test_Y, pred_Y)
Fasi dell'apprendimento non supervisionato
- Inizializza il modello
- Allena il modello
- Assegna i cluster
- Esplora i risultati
Apprendimento non supervisionato con codice
Per prima cosa, carichiamo le librerie.
from sklearn.cluster import KMeans
import pandas as pd
Apprendimento non supervisionato con codice
1. Initialize the model kmeans = KMeans(n_clusters=3)# Fit the model kmeans.fit(data)# 3. Asign cluster values data.assign(Cluster=kmeans.labels_)# 4. Explore results data.groupby('Cluster').mean()
Costruiamo qualche modello!
Machine Learning per il marketing con Python
