Các bước mô hình ML
Machine Learning cho Marketing với Python
Karolis Urbonas
Head of Analytics & Science, Amazon
Các bước học có giám sát
- Chia dữ liệu thành train và test
- Khởi tạo mô hình
- Huấn luyện trên dữ liệu train
- Dự đoán trên dữ liệu test
- Đánh giá hiệu năng trên dữ liệu test
Học có giám sát với mã
Trước tiên, hãy tải các thư viện.
from sklearn import tree
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
Các bước học có giám sát với mã
# 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)
Các bước học không giám sát
- Khởi tạo mô hình
- Huấn luyện mô hình
- Gán nhãn cụm
- Khám phá kết quả
Học không giám sát với mã
Trước tiên, hãy tải các thư viện.
from sklearn.cluster import KMeans
import pandas as pd
Học không giám sát với mã
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()
Hãy xây dựng vài mô hình!
Machine Learning cho Marketing với Python
