Prédire avec un modèle de classification
Maintenant que vous avez entraîné votre classificateur, utilisons-le pour prédire le type de fleur (ou la classe) pour de nouvelles fleurs fraîchement collectées.
Les informations sur la largeur et la longueur des pétales de plusieurs nouvelles fleurs sont stockées dans la variable targets. À l’aide du classificateur que vous avez entraîné, vous allez prédire le type de chaque fleur.
Cet exercice fait partie du cours
Machine Learning for Time Series Data in Python
Instructions
- Prédisez le type de fleur en utilisant le tableau
X_predict. - Exécutez le code fourni pour visualiser les prédictions.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create input array
X_predict = targets[['petal length (cm)', 'petal width (cm)']]
# Predict with the model
predictions = ____
print(predictions)
# Visualize predictions and actual values
plt.scatter(X_predict['petal length (cm)'], X_predict['petal width (cm)'],
c=predictions, cmap=plt.cm.coolwarm)
plt.title("Predicted class values")
plt.show()