Strojové učení se scikit-learn

Supervised Learning with scikit-learn

George Boorman

Core Curriculum Manager, DataCamp

Co je strojové učení?

  • Strojové učení je proces, při němž:
    • Počítače získávají schopnost učit se rozhodovat z dat
    • bez explicitního programování!
Supervised Learning with scikit-learn

Příklady strojového učení

ikona e-mailu

knihy

Supervised Learning with scikit-learn

Neřízené učení

  • Odhalování skrytých vzorů v neoznačených datech

  • Příklad:

    • Seskupování zákazníků do kategorií (shlukování)

shluková analýza

Supervised Learning with scikit-learn

Řízené učení

  • Předpovídané hodnoty jsou známy

  • Cíl: Předpovědět cílové hodnoty nových dat na základě příznaků

 

příznaky a cílové proměnné

Supervised Learning with scikit-learn

Typy řízeného učení

  • Klasifikace: Cílová proměnná sestává z kategorií

atm

  • Regrese: Cílová proměnná je spojitá

 

nemovitosti

Supervised Learning with scikit-learn

Konvence pojmenování

  • Příznak = prediktivní proměnná = nezávislá proměnná

  • Cílová proměnná = závislá proměnná = odezva

 

příznaky a cílové proměnné

Supervised Learning with scikit-learn

Před použitím řízeného učení

  • Požadavky:
    • Žádné chybějící hodnoty
    • Data v numerickém formátu
    • Data uložena v DataFrame (pandas) nebo poli NumPy

 

  • Nejprve proveďte průzkumnou analýzu dat (EDA)
Supervised Learning with scikit-learn

Syntaxe scikit-learn

from sklearn.module import Model

model = Model()

model.fit(X, y)

predictions = model.predict(X_new)

print(predictions)

array([0, 0, 0, 0, 1, 0])
Supervised Learning with scikit-learn

Pojďme cvičit!

Supervised Learning with scikit-learn

Preparing Video For Download...