Uczenie maszynowe z scikit-learn

Nadzorowane uczenie maszynowe z scikit-learn

George Boorman

Core Curriculum Manager, DataCamp

Czym jest uczenie maszynowe?

  • Uczenie maszynowe to proces, w którym:
    • Komputery zyskują zdolność uczenia się podejmowania decyzji na podstawie danych
    • bez jawnego programowania!
Nadzorowane uczenie maszynowe z scikit-learn

Przykłady uczenia maszynowego

ikona e-mail

książki

Nadzorowane uczenie maszynowe z scikit-learn

Uczenie nienadzorowane

  • Odkrywanie ukrytych wzorców w danych bez etykiet

  • Przykład:

    • Grupowanie klientów w odrębne kategorie (klasteryzacja)

analiza skupień

Nadzorowane uczenie maszynowe z scikit-learn

Uczenie nadzorowane

  • Przewidywane wartości są znane

  • Cel: Przewidywanie wartości docelowych nowych danych na podstawie cech

 

cechy i zmienne docelowe

Nadzorowane uczenie maszynowe z scikit-learn

Rodzaje uczenia nadzorowanego

  • Klasyfikacja: Zmienna docelowa składa się z kategorii

bankomat

  • Regresja: Zmienna docelowa jest ciągła

 

nieruchomości

Nadzorowane uczenie maszynowe z scikit-learn

Konwencje nazewnictwa

  • Cecha = zmienna predykcyjna = zmienna niezależna

  • Zmienna docelowa = zmienna zależna = zmienna odpowiedzi

 

cechy i zmienne docelowe

Nadzorowane uczenie maszynowe z scikit-learn

Przed użyciem uczenia nadzorowanego

  • Wymagania:
    • Brak brakujących wartości
    • Dane w formacie numerycznym
    • Dane przechowywane w DataFrame (pandas) lub tablicy NumPy

 

  • Najpierw przeprowadź eksploracyjną analizę danych (EDA)
Nadzorowane uczenie maszynowe z scikit-learn

Składnia 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])
Nadzorowane uczenie maszynowe z scikit-learn

Czas na ćwiczenia!

Nadzorowane uczenie maszynowe z scikit-learn

Preparing Video For Download...