Dopasowanie i ewaluacja modelu

Zaawansowane uczenie głębokie z Keras

Zach Deane-Mayer

Data Scientist

Dane koszykarskie

Cel: przewidywanie wyników turnieju

Dostępne dane: oceny drużyn od organizatorów turnieju

import pandas as pd
games_tourney = pd.read_csv('datasets/games_tourney.csv')
games_tourney.head()

Out[1]:
   season  team_1  team_2  home  seed_diff  score_diff  score_1  score_2  won
0    1985     288      73     0         -3          -9       41       50    0
1    1985    5929      73     0          4           6       61       55    1
2    1985    9884      73     0          5          -4       59       63    0
3    1985      73     288     0          3           9       50       41    1
4    1985    3920     410     0          1          -9       54       63    0

Dane koszykarskie

Wejście: różnica ziaren

import pandas as pd
games_tourney = pd.read_csv('datasets/games_tourney.csv')
games_tourney.head()

Dane koszykarskie

Wyjście: różnica punktów

import pandas as pd
games_tourney = pd.read_csv('datasets/games_tourney.csv')
games_tourney.head()

Dane koszykarskie

Wejście:

Różnica ziaren – jedna liczba: od -15 do +15
Zakres ziaren: 1–16
Maksymalna różnica: 16-1 = +15
Minimalna różnica: 1-16 = -15

Wyjście:

Różnica punktów – jedna liczba: od -50 do +50

Dane koszykarskie

Różnica ziaren: 15
- Drużyna 1: 16
- Drużyna 2: 1
Różnica ziaren: -15
- Drużyna 1: 1
- Drużyna 2: 16

Dane koszykarskie

Różnica punktów: -9
- Drużyna 1: 41
- Drużyna 2: 50
Różnica punktów: 6
- Drużyna 1: 61
- Drużyna 2: 55

Dane koszykarskie

import pandas as pd
games_tourney = pd.read_csv('datasets/games_tourney_samp.csv')
games_tourney.head()

Out[1]:
   season  team_1  team_2  home  seed_diff  score_diff  score_1  score_2  won
0    2017     320    6323     0         13          18      100       82    1
1    2017    6323     320     0        -13         -18       82      100    0

Budowanie modelu

from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, Dense
input_tensor = Input(shape=(1,))
output_tensor = Dense(1)(input_tensor)
model = Model(input_tensor, output_tensor)
model.compile(optimizer='adam', loss='mae')

Dopasowanie modelu

from pandas import read_csv
games = read_csv('datasets/games_tourney.csv')
model.fit(games['seed_diff'],
          games['score_diff'],
          batch_size=64,
          validation_split=.20,
          verbose=True)

Ewaluacja modelu

model.evaluate(games_test['seed_diff'],
               games_test['score_diff'])

1000/1000 [==============================] - 0s 26us/step
Out[1]: 9.145421981811523

Czas na ćwiczenia!

Zaawansowane uczenie głębokie z Keras