Maskininlärning med scikit-learn

Övervakad inlärning med scikit-learn

George Boorman

Core Curriculum Manager, DataCamp

Vad är maskininlärning?

  • Maskininlärning är processen där:
    • Datorer ges förmågan att lära sig fatta beslut utifrån data
    • utan att vara explicit programmerade!
Övervakad inlärning med scikit-learn

Exempel på maskininlärning

e-postikon

böcker

Övervakad inlärning med scikit-learn

Oövervakad inlärning

  • Hitta dolda mönster i omärkt data

  • Exempel:

    • Gruppera kunder i distinkta kategorier (klustring)

klusteranalys

Övervakad inlärning med scikit-learn

Övervakad inlärning

  • De förutsagda värdena är kända

  • Mål: Förutsäg målvärden för osedd data utifrån särdragen

 

särdrag och målvariabler

Övervakad inlärning med scikit-learn

Typer av övervakad inlärning

  • Klassificering: Målvariabeln består av kategorier

bankomat

  • Regression: Målvariabeln är kontinuerlig

 

fastigheter

Övervakad inlärning med scikit-learn

Namnkonventioner

  • Särdrag = prediktorvariabel = oberoende variabel

  • Målvariabel = beroende variabel = responsvariabel

 

särdrag och målvariabler

Övervakad inlärning med scikit-learn

Innan du använder övervakad inlärning

  • Krav:
    • Inga saknade värden
    • Data i numeriskt format
    • Data lagrad i pandas DataFrame eller NumPy-array

 

  • Utför explorativ dataanalys (EDA) först
Övervakad inlärning med scikit-learn

scikit-learn-syntax

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])
Övervakad inlärning med scikit-learn

Nu kör vi en övning!

Övervakad inlärning med scikit-learn

Preparing Video For Download...