ML 建模步骤

Python 营销中的机器学习

Karolis Urbonas

Head of Analytics & Science, Amazon

监督学习步骤

将数据划分为训练集和测试集
初始化模型
在训练集上训练模型
在测试集上预测
在测试集上评估模型性能

监督学习：代码

首先，加载库。

from sklearn import tree
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

监督学习步骤：代码

# 1. Split data to training and testing
train_X, test_X, train_Y, test_Y = train_test_split(X, Y, test_size=0.25)

# 2. Initialize the model
mytree = tree.DecisionTreeClassifier()

# 3. Fit the model on the training data
treemodel = mytree.fit(train_X, train_Y)

# 4. Predict values on the testing data
pred_Y = treemodel.predict(test_X)

# 5. Measure model performance on testing data
accuracy_score(test_Y, pred_Y)

无监督学习步骤

初始化模型
训练模型
分配簇标签
探索结果

无监督学习：代码

首先，加载库。

from sklearn.cluster import KMeans
import pandas as pd

无监督学习：代码

1. Initialize the model
kmeans = KMeans(n_clusters=3)

# Fit the model 
kmeans.fit(data)

# 3. Asign cluster values
data.assign(Cluster=kmeans.labels_)

# 4. Explore results
data.groupby('Cluster').mean()

开始构建模型吧！

Python 营销中的机器学习