Etapele modelării ML
Machine Learning pentru Marketing în Python
Karolis Urbonas
Head of Analytics & Science, Amazon
Etapele învățării supervizate
- Împărțiți datele în antrenament și testare
- Inițializați modelul
- Antrenați modelul pe datele de antrenament
- Predicționați valorile pe datele de testare
- Măsurați performanța modelului pe datele de testare
Învățare supervizată în cod
Mai întâi, încărcați bibliotecile.
from sklearn import tree
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
Etapele învățării supervizate în cod
# 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)
Etapele învățării nesupervizate
- Inițializați modelul
- Antrenați modelul
- Atribuiți valorile clusterelor
- Explorați rezultatele
Învățare nesupervizată în cod
Mai întâi, încărcați bibliotecile.
from sklearn.cluster import KMeans
import pandas as pd
Învățare nesupervizată în cod
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()
Să construim modele!
Machine Learning pentru Marketing în Python
