CommencerCommencer gratuitement

Modèle de départ

Dans cet exercice, vous allez entraîner un classifieur MLP sur le jeu de données d’images utilisé au chapitre 1. Pour rappel, chaque image représente un chiffre de 0 à 9, et l’objectif est de classer chaque image comme un chiffre. Les variables explicatives sont des valeurs de pixels spécifiques comprises entre 0 et 16 qui composent l’image. Après la mise à l’échelle des variables, vous évaluerez la précision du classifieur sur l’ensemble de test.

Dans votre espace de travail, des exemples d’images sous forme de DataFrame sont chargés dans image_data, et sklearn ainsi que pandas sous l’alias pd sont disponibles. StandardScaler() de sklearn.preprocessing est également accessible.

Cet exercice fait partie du cours

Prédire le CTR avec le Machine Learning en Python

Afficher le cours

Instructions

  • Appliquez une standardisation des variables avec .fit_transform() et séparez les données en ensembles d’entraînement et de test avec train_test_split().
  • Créez un classifieur MLP.
  • Générez des prédictions avec ce classifieur et évaluez la précision avec accuracy_score().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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))
Modifier et exécuter le code