Začněte nyníZačněte zdarma

První model

V tomto cvičení sestavíš MLP klasifikátor na datové sadě obrázků použité v 1. kapitole. Každý obrázek představuje číslo 0 až 9 a cílem je správně každý obrázek klasifikovat. Příznaky tvoří konkrétní hodnoty pixelů v rozsahu 0–16, ze kterých je obrázek složen. Po škálování příznaků vyhodnotíš přesnost klasifikátoru na testovací sadě.

V pracovním prostředí máš načtená vzorová obrazová data ve formě DataFrame jako image_data spolu s sklearn a pandas jako pd. K dispozici je také StandardScaler() z sklearn.preprocessing.

Toto cvičení je součástí kurzu

Předpovídání CTR pomocí Machine Learning v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Škáluj příznaky pomocí .fit_transform() a rozděl data na trénovací a testovací sadu pomocí train_test_split().
  • Vytvoř MLP klasifikátor.
  • Sestav predikce pomocí klasifikátoru a vyhodnoť přesnost pomocí accuracy_score().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Define X and y
X, y = image_data.data, image_data.target

# Scale features and split into training and testing
X_scaled = ____().____(X)
X_train, X_test, y_train, y_test = ____(
  X_scaled, y, test_size = .2, random_state = 0)

# Create classifier, train and evaluate accuracy 
clf = ____()
y_pred = clf.____(X_train, y_train).____(X_test)
print(____(y_test, y_pred))
Upravit a spustit kód