Ajuster et évaluer un modèle

Machine Learning avancé avec Keras

Zach Deane-Mayer

Data Scientist

Données de basketball

Objectif : prédire les résultats du tournoi

Données disponibles : cotes d'équipes fournies par les organisateurs du tournoi

import pandas as pd
games_tourney = pd.read_csv('datasets/games_tourney.csv')
games_tourney.head()

Out[1]:
   season  team_1  team_2  home  seed_diff  score_diff  score_1  score_2  won
0    1985     288      73     0         -3          -9       41       50    0
1    1985    5929      73     0          4           6       61       55    1
2    1985    9884      73     0          5          -4       59       63    0
3    1985      73     288     0          3           9       50       41    1
4    1985    3920     410     0          1          -9       54       63    0
Machine Learning avancé avec Keras

Données de basketball

Entrée : écart de tête de série

import pandas as pd
games_tourney = pd.read_csv('datasets/games_tourney.csv')
games_tourney.head()

Machine Learning avancé avec Keras

Données de basketball

Sortie : écart de pointage

import pandas as pd
games_tourney = pd.read_csv('datasets/games_tourney.csv')
games_tourney.head()

Machine Learning avancé avec Keras

Données de basketball

Entrée :

  • Écart de tête de série – un nombre : -15 à +15
  • Têtes de série de 1 à 16
  • Écart maximal : 16-1 = +15
  • Écart minimal : 1-16 = -15

Sortie :

  • Écart de pointage – un nombre : -50 à +50
Machine Learning avancé avec Keras

Données de basketball

  • Écart de tête de série : 15
    • Équipe 1 : 16
    • Équipe 2 : 1
  • Écart de tête de série : -15
    • Équipe 1 : 1
    • Équipe 2 : 16

Machine Learning avancé avec Keras

Données de basketball

  • Écart de pointage : -9
    • Équipe 1 : 41
    • Équipe 2 : 50
  • Écart de pointage : 6
    • Équipe 1 : 61
    • Équipe 2 : 55

Machine Learning avancé avec Keras

Données de basketball

import pandas as pd
games_tourney = pd.read_csv('datasets/games_tourney_samp.csv')
games_tourney.head()

Out[1]:
   season  team_1  team_2  home  seed_diff  score_diff  score_1  score_2  won
0    2017     320    6323     0         13          18      100       82    1
1    2017    6323     320     0        -13         -18       82      100    0
Machine Learning avancé avec Keras

Construire le modèle

from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, Dense
input_tensor = Input(shape=(1,))
output_tensor = Dense(1)(input_tensor)
model = Model(input_tensor, output_tensor)
model.compile(optimizer='adam', loss='mae')

Machine Learning avancé avec Keras

Ajuster le modèle

from pandas import read_csv
games = read_csv('datasets/games_tourney.csv')
model.fit(games['seed_diff'],
          games['score_diff'],
          batch_size=64,
          validation_split=.20,
          verbose=True)

Machine Learning avancé avec Keras

Évaluer le modèle

model.evaluate(games_test['seed_diff'],
               games_test['score_diff'])

1000/1000 [==============================] - 0s 26us/step
Out[1]: 9.145421981811523
Machine Learning avancé avec Keras

Passons à la pratique !

Machine Learning avancé avec Keras

Preparing Video For Download...