दूसरा टॉय मॉडल
इस अभ्यास में, आप इमेज वाले डेटासेट पर logistic regression का उपयोग करके एक और classifier बनाएँगे. हर इमेज एक संख्या 0 से 9 तक को दर्शाती है. लक्ष्य है हर इमेज को किसी संख्या के रूप में वर्गीकृत करना — जैसे 7 या 9. जिन फीचर्स का उपयोग हो रहा है, वे 0–16 की रेंज में आने वाले विशिष्ट pixel मान हैं जो इमेज बनाते हैं. सटीकता को हाथ से जाँचने के बजाय, आप sklearn की accuracy_score() से मॉडल की accuracy का मूल्यांकन करेंगे.
नमूना इमेज डेटा image_data के रूप में लोड है, साथ में sklearn और pandas pd के रूप में उपलब्ध हैं. LogisticRegression sklearn.linear_model से उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning के साथ CTR प्रेडिक्शन
अभ्यास निर्देश
- training और testing डेटा को किस index पर बाँटना है यह तय करने के लिए
Xकी row count प्राप्त करें. - एक logistic regression classifier बनाएँ.
- classifier का उपयोग करके predictions बनाएँ और
sklearn.metricsकीaccuracy_score()से accuracy का मूल्यांकन करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define X and y
X = image_data.data
y = image_data.target
# Define training and testing
split = int(0.7 * ____(X))
X_train, X_test, y_train, y_test = \
X[:split], X[split:], y[:split], y[split:]
# Create logistic regression classifier
clf = ____()
# Train classifier - predict label and evaluate accuracy
y_pred = clf.fit(X_train, y_train).____(X_test)
print(____(y_test, y_pred))