वर्गीकरण की चुनौती

scikit-learn के साथ Supervised Learning

George Boorman

Core Curriculum Manager, DataCamp

अनदेखे डेटा के लेबल वर्गीकृत करना

  1. एक मॉडल बनाएँ
  2. मॉडल को दिए गए labeled डेटा से सीखाएँ
  3. unlabeled डेटा को इनपुट के रूप में मॉडल को दें
  4. मॉडल अनदेखे डेटा के लेबल का अनुमान लगाएगा

 

  • Labeled डेटा = प्रशिक्षण डेटा
scikit-learn के साथ Supervised Learning

k-Nearest Neighbors

  • किसी डेटा पॉइंट का लेबल अनुमान लगाएँ

    • k सबसे नज़दीकी labeled डेटा पॉइंट देखें

    • बहुमत मत लें

scikit-learn के साथ Supervised Learning

k-Nearest Neighbors

नीले और लाल observations वाला scatter plot, और एक नया काला observation

scikit-learn के साथ Supervised Learning

k-Nearest Neighbors

काले डॉट के सबसे नज़दीकी तीन observations के चारों ओर त्रिज्या

scikit-learn के साथ Supervised Learning

k-Nearest Neighbors

काले डॉट के सबसे नज़दीकी पाँच observations के चारों ओर त्रिज्या

scikit-learn के साथ Supervised Learning

KNN का सहज बोध

कुल evening charge बनाम कुल day charge का scatterplot; churn वालों को नीला और non-churn को लाल रंग में दिखाया गया है

scikit-learn के साथ Supervised Learning

KNN का सहज बोध

churn scatterplot जिसमें निर्णय सीमा KNN के churn/नो-churn अनुमान के आधार पर observations को विभाजित करती है

scikit-learn के साथ Supervised Learning

scikit-learn से क्लासिफायर फिट करना

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)
scikit-learn के साथ Supervised Learning

Unlabeled डेटा पर भविष्यवाणी

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]
scikit-learn के साथ Supervised Learning

अभ्यास करते हैं!

scikit-learn के साथ Supervised Learning

Preparing Video For Download...