Этапы построения модели ML
Машинное обучение для маркетинга на Python
Karolis Urbonas
Head of Analytics & Science, Amazon
Этапы обучения с учителем
- Разделить данные на обучающую и тестовую выборки
- Инициализировать модель
- Обучить модель на обучающей выборке
- Предсказать значения на тестовой выборке
- Оценить качество модели на тестовой выборке
Обучение с учителем: код
Сначала загрузим библиотеки.
from sklearn import tree
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
Этапы обучения с учителем: код
# 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)
Этапы обучения без учителя
- Инициализировать модель
- Обучить модель
- Назначить значения кластеров
- Изучить результаты
Обучение без учителя: код
Сначала загрузим библиотеки.
from sklearn.cluster import KMeans
import pandas as pd
Обучение без учителя: код
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()
Давайте построим модели!
Машинное обучение для маркетинга на Python
