1. 学ぶ
    2. /
  2. コース
    3. /
  3. PythonでMachine Learningを使ってCTRを予測する
Connected

演習

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。

指示

100 XP
  • .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。