Оцінювання кількох моделей

Кероване навчання зі scikit-learn

George Boorman

Core Curriculum Manager, DataCamp

Різні моделі для різних задач

Кілька орієнтирів

Розмір набору даних
- Менше ознак = простіша модель, швидше навчання
- Деяким моделям потрібні великі дані для хорошої якості
Інтерпретованість
- Деякі моделі легше пояснити — важливо для стейкголдерів
- Лінійна регресія добре інтерпретується: зрозумілі коефіцієнти
Гнучкість
- Може підвищити точність, роблячи менше припущень про дані
- KNN гнучкіша модель, не припускає лінійних зв'язків

Все вирішують метрики

Метрики для регресії:
- RMSE
- R-squared
Метрики для класифікації:
- Accuracy
- Confusion matrix
- Precision, recall, F1-score
- ROC AUC
Навчіть кілька моделей і оцініть якість «з коробки»

Примітка щодо масштабування

Моделі, чутливі до масштабування:
- KNN
- Linear Regression (та Ridge, Lasso)
- Logistic Regression
- Artificial Neural Network

Найкраще масштабувати дані перед оцінюванням моделей

Оцінювання моделей класифікації

import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import cross_val_score, KFold, train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier

X = music.drop("genre", axis=1).values
y = music["genre"].values
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)

X_test_scaled = scaler.transform(X_test)

Оцінювання моделей класифікації

models = {"Logistic Regression": LogisticRegression(), "KNN": KNeighborsClassifier(), 
         "Decision Tree": DecisionTreeClassifier()}
results = []

for model in models.values():

     kf = KFold(n_splits=6, random_state=42, shuffle=True)

     cv_results = cross_val_score(model, X_train_scaled, y_train, cv=kf)

     results.append(cv_results)

plt.boxplot(results, labels=models.keys())
plt.show()

Візуалізація результатів

Боксплот точності для кожної моделі: Logistic Regression, KNN і Decision Tree

Якість на тестовій вибірці

for name, model in models.items():

  model.fit(X_train_scaled, y_train)

  test_score = model.score(X_test_scaled, y_test)

  print("{} Test Set Accuracy: {}".format(name, test_score))

Logistic Regression Test Set Accuracy: 0.844
KNN Test Set Accuracy: 0.82
Decision Tree Test Set Accuracy: 0.832

Давайте потренуємось!

Кероване навчання зі scikit-learn