Оценка нескольких моделей

Обучение с учителем с помощью scikit-learn

George Boorman

Core Curriculum Manager, DataCamp

Разные модели для разных задач

Основные принципы

Размер набора данных
- Меньше признаков = проще модель, быстрее обучение
- Некоторым моделям нужно много данных для хорошей работы
Интерпретируемость
- Одни модели проще объяснить — это важно для заинтересованных сторон
- Линейная регрессия хорошо интерпретируется: коэффициенты понятны
Гибкость
- Может повысить точность за счёт меньшего числа допущений о данных
- KNN — более гибкая модель, не предполагает линейных зависимостей

Всё решают метрики

Метрики для регрессии:
- RMSE
- R-squared
Метрики для классификации:
- Accuracy
- Confusion matrix
- Precision, recall, F1-score
- ROC AUC
Обучите несколько моделей и сравните их базовую точность

О масштабировании

Модели, чувствительные к масштабированию:
- KNN
- Linear Regression (включая Ridge и Lasso)
- Logistic Regression
- Artificial Neural Network

Перед оценкой моделей рекомендуется масштабировать данные

Оценка моделей классификации

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)

Оценка моделей классификации

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()

Визуализация результатов

Ящичковая диаграмма точности для каждой модели: Logistic Regression, KNN и Decision Tree

Результаты на тестовой выборке

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 потренируемся!

Обучение с учителем с помощью scikit-learn