डायबिटीज़ प्रेडिक्शन क्लासिफायर का आकलन
इस अध्याय में आप पहले बताए गए diabetes_df डेटासेट के साथ काम करेंगे.
उद्देश्य यह प्रेडिक्ट करना है कि किसी व्यक्ति को बॉडी मास इंडेक्स (BMI) और उम्र (साल में) जैसे फीचर्स के आधार पर डायबिटीज़ होने की संभावना है या नहीं. इसलिए यह एक बाइनरी क्लासिफिकेशन समस्या है. टार्गेट वैल्यू 0 का मतलब है कि व्यक्ति को डायबिटीज़ नहीं है, जबकि 1 का मतलब है कि व्यक्ति को डायबिटीज़ है.
diabetes_df आपके लिए pandas DataFrame के रूप में प्रीलोड किया गया है और इसे X_train, X_test, y_train, और y_test में स्प्लिट किया गया है. इसके अलावा, KNeighborsClassifier() को इंस्टैंशिएट कर के knn में असाइन किया गया है.
आप मॉडल फिट करेंगे, टेस्ट सेट पर प्रेडिक्शन्स बनाएँगे, फिर कन्फ्यूज़न मैट्रिक्स और क्लासिफिकेशन रिपोर्ट तैयार करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
scikit-learn के साथ Supervised Learning
अभ्यास निर्देश
confusion_matrixऔरclassification_reportइम्पोर्ट करें.- मॉडल को ट्रेनिंग डेटा पर फिट करें.
- टेस्ट सेट के लेबल्स प्रेडिक्ट करें और नतीजों को
y_predके रूप में स्टोर करें. - टेस्ट लेबल्स बनाम प्रेडिक्टेड लेबल्स के लिए कन्फ्यूज़न मैट्रिक्स और क्लासिफिकेशन रिपोर्ट कम्प्यूट करें और प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import confusion matrix
____
knn = KNeighborsClassifier(n_neighbors=6)
# Fit the model to the training data
____
# Predict the labels of the test data: y_pred
y_pred = ____
# Generate the confusion matrix and classification report
print(____(____, ____))
print(____(____, ____))