Modelo inicial
En este ejercicio, vas a crear un clasificador MLP sobre el conjunto de imágenes usado en el capítulo 1. Como recordatorio, cada imagen representa un número del 0 al 9 y el objetivo es clasificar cada imagen como un número. Las características utilizadas son valores de píxeles específicos en el rango 0-16 que componen la imagen. Tras escalar las características, evaluarás la precisión del clasificador en el conjunto de prueba.
En tu espacio de trabajo, los datos de ejemplo de imágenes en formato DataFrame están cargados como image_data, junto con sklearn y pandas como pd. También está disponible StandardScaler() de sklearn.preprocessing.
Este ejercicio forma parte del curso
Predicción del CTR con Machine Learning en Python
Instrucciones del ejercicio
- Estandariza las características usando
.fit_transform()y divide los datos en conjuntos de entrenamiento y prueba contrain_test_split(). - Crea un clasificador MLP.
- Genera predicciones con el clasificador y evalúa la precisión usando
accuracy_score().
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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))