始める無料で始める

はじめのモデル

この演習では、第1章で使用した画像データセットに対して MLP 分類器を構築します。おさらいとして、各画像は 0 から 9 のいずれかの数字を表しており、目的は各画像を正しい数字として分類することです。特徴量は、画像を構成する 0〜16 の範囲の特定のピクセル値です。特徴量をスケーリングした後、テストセットで分類器の精度を評価します。

ワークスペースには、サンプルの画像データ（DataFrame 形式）が image_data として読み込まれており、sklearn と pandas（pd）も利用できます。sklearn.preprocessing の StandardScaler() も使用可能です。

この演習はコースの一部です

PythonでMachine Learningを使ってCTRを予測する

コースを見る

演習の手順

  • .fit_transform() を使って特徴量を標準化し、train_test_split() で学習用とテスト用に分割します。
  • MLP 分類器を作成します。
  • 分類器で予測を作成し、accuracy_score() を使って精度を評価します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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))
コードを編集して実行