ขั้นตอนการสร้างโมเดล ML
Machine Learning สำหรับการตลาดด้วย Python
Karolis Urbonas
Head of Analytics & Science, Amazon
ขั้นตอน Supervised Learning
- แบ่งข้อมูลเป็นชุดฝึกและชุดทดสอบ
- กำหนดค่าเริ่มต้นโมเดล
- ฝึกโมเดลด้วยข้อมูลชุดฝึก
- พยากรณ์ค่าจากข้อมูลชุดทดสอบ
- วัดประสิทธิภาพของโมเดลบนข้อมูลชุดทดสอบ
Supervised Learning ด้วยโค้ด
เริ่มต้นด้วยการโหลดไลบรารี
from sklearn import tree
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
ขั้นตอน Supervised Learning ด้วยโค้ด
# 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)
ขั้นตอน Unsupervised Learning
- กำหนดค่าเริ่มต้นโมเดล
- ฝึกโมเดล
- กำหนดค่าคลัสเตอร์
- สำรวจผลลัพธ์
Unsupervised Learning ด้วยโค้ด
เริ่มต้นด้วยการโหลดไลบรารี
from sklearn.cluster import KMeans
import pandas as pd
Unsupervised Learning ด้วยโค้ด
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()
มาสร้างโมเดลกันเลย!
Machine Learning สำหรับการตลาดด้วย Python
