शुरुआती मॉडल
इस अभ्यास में, आप अध्याय 1 में उपयोग किए गए इमेज डेटासेट पर एक MLP क्लासिफायर बनाएँगे। याद दिलाने के लिए, हर इमेज एक संख्या 0 से 9 तक दर्शाती है और लक्ष्य हर इमेज को सही संख्या के रूप में क्लासिफाई करना है। जिन फीचर्स का उपयोग किया जा रहा है, वे इमेज के पिक्सेल वैल्यू हैं जो 0–16 की रेंज में होते हैं। फीचर्स को स्केल करने के बाद, आप टेस्टिंग सेट पर क्लासिफायर की accuracy का मूल्यांकन करेंगे.
आपके वर्कस्पेस में, सैंपल इमेज डेटा DataFrame रूप में image_data के रूप में लोड है, साथ ही sklearn और pandas pd के नाम से उपलब्ध हैं। sklearn.preprocessing से StandardScaler() भी उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning के साथ CTR प्रेडिक्शन
अभ्यास निर्देश
.fit_transform()का उपयोग करके फीचर्स को स्टैंडर्ड स्केल करें औरtrain_test_split()से डेटा को training और testing सेट में बाँटें.- एक MLP क्लासिफायर बनाएँ.
- क्लासिफायर से predictions बनाएँ और
accuracy_score()से accuracy का मूल्यांकन करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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))