Výzva klasifikace

Supervised Learning with scikit-learn

George Boorman

Core Curriculum Manager, DataCamp

Klasifikace neoznačených dat

  1. Vytvoříme model
  2. Model se učí z označených dat
  3. Předáme modelu neoznačená data
  4. Model předpoví jejich štítky

 

  • Označená data = trénovací data
Supervised Learning with scikit-learn

k-nejbližší sousedé

  • Štítek datového bodu se určí:

    • Nalezením k nejbližších označených bodů

    • Hlasováním většiny

Supervised Learning with scikit-learn

k-nejbližší sousedé

bodový graf s modrými a červenými pozorováními a novým černým pozorováním

Supervised Learning with scikit-learn

k-nejbližší sousedé

poloměr kolem tří pozorování nejbližších černému bodu

Supervised Learning with scikit-learn

k-nejbližší sousedé

poloměr kolem pěti pozorování nejbližších černému bodu

Supervised Learning with scikit-learn

Intuice KNN

bodový graf celkového večerního poplatku versus celkového denního poplatku, kde pozorování jsou modrá, pokud došlo k odchodu, a červená, pokud nedošlo

Supervised Learning with scikit-learn

Intuice KNN

bodový graf odchodu zákazníků s rozhodovací hranicí oddělující pozorování podle předpovědi KNN

Supervised Learning with scikit-learn

Trénování klasifikátoru pomocí scikit-learn

from sklearn.neighbors import KNeighborsClassifier

X = churn_df[["total_day_charge", "total_eve_charge"]].values
y = churn_df["churn"].values

print(X.shape, y.shape)

(3333, 2), (3333,)

knn = KNeighborsClassifier(n_neighbors=15)

knn.fit(X, y)
Supervised Learning with scikit-learn

Predikce na neoznačených datech

X_new = np.array([[56.8, 17.5],
                  [24.4, 24.1],
                  [50.1, 10.9]])

print(X_new.shape)

(3, 2)

predictions = knn.predict(X_new)

print('Predictions: {}'.format(predictions))

Predictions: [1 0 0]
Supervised Learning with scikit-learn

Pojďme si procvičit!

Supervised Learning with scikit-learn

Preparing Video For Download...