Dimensionalitetens förbannelse

Dimensionsreduktion i Python

Jeroen Boeye

Head of Machine Learning, Faktion

Från observation till mönster

Stad	Pris
Berlin	2
Paris	3

Stad	Pris
Berlin	2
Paris	3

Enkel fördelningsplot

Fördelning Berlin vs. Paris

Separera det särdrag vi vill prediktera från de som används för träning.

y = house_df['City']

X = house_df.drop('City', axis=1)

Dela upp data i 70% träning och 30% test

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

Skapa en Support Vector Machine-klassificerare och träna den på träningsdata

from sklearn.svm import SVC

svc = SVC()

svc.fit(X_train, y_train)

from sklearn.metrics import accuracy_score

print(accuracy_score(y_test, svc.predict(X_test)))

0.826

print(accuracy_score(y_train, svc.predict(X_train)))

0.832

Fördelning Berlin vs. Paris

Stad	Pris	n_floors	n_bathroom	surface_m2
Berlin	2,0	1	1	190
Berlin	3,1	2	1	187
Berlin	4,3	2	2	240
Paris	3,0	2	1	170
Paris	5,2	2	2	290
...	...	...	...	...

Dimensionsreduktion i Python