Kroky ML modelování
Machine Learning for Marketing in Python
Karolis Urbonas
Head of Analytics & Science, Amazon
Kroky učení s učitelem
- Rozdělení dat na trénovací a testovací
- Inicializace modelu
- Trénování modelu na trénovacích datech
- Predikce hodnot na testovacích datech
- Měření výkonu modelu na testovacích datech
Učení s učitelem s kódem
Nejprve načteme knihovny.
from sklearn import tree
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
Kroky učení s učitelem s kódem
# 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)
Kroky učení bez učitele
- Inicializace modelu
- Trénování modelu
- Přiřazení hodnot clusterů
- Prozkoumání výsledků
Učení bez učitele s kódem
Nejprve načteme knihovny.
from sklearn.cluster import KMeans
import pandas as pd
Učení bez učitele s kódem
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()
Pojďme sestavit modely!
Machine Learning for Marketing in Python
